WO2019022066A1 - 環境設備制御装置 - Google Patents

環境設備制御装置 Download PDF

Info

Publication number
WO2019022066A1
WO2019022066A1 PCT/JP2018/027667 JP2018027667W WO2019022066A1 WO 2019022066 A1 WO2019022066 A1 WO 2019022066A1 JP 2018027667 W JP2018027667 W JP 2018027667W WO 2019022066 A1 WO2019022066 A1 WO 2019022066A1
Authority
WO
WIPO (PCT)
Prior art keywords
control
environmental
user
plan
unit
Prior art date
Application number
PCT/JP2018/027667
Other languages
English (en)
French (fr)
Inventor
詩織 繪本
淳 西野
橋本　哲
翔太 堀
絢哉 中瀬
Original Assignee
ダイキン工業株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ダイキン工業株式会社 filed Critical ダイキン工業株式会社
Priority to US16/621,345 priority Critical patent/US11906186B2/en
Priority to EP18838981.1A priority patent/EP3660413B1/en
Priority to AU2018306059A priority patent/AU2018306059B2/en
Priority to JP2019532631A priority patent/JP6760506B2/ja
Priority to ES18838981T priority patent/ES2923437T3/es
Priority to CN201880038350.3A priority patent/CN110753820B/zh
Publication of WO2019022066A1 publication Critical patent/WO2019022066A1/ja
Priority to PH12020500155A priority patent/PH12020500155A1/en

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/65—Electronic processing for selecting an operating mode
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/0008—Control or safety arrangements for air-humidification
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • 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
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/60—Odour
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/70—Carbon dioxide
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters

Definitions

  • the present invention relates to an environmental facility control device.
  • the target mind and body state is determined based on the correlation between the worker's mind and body state and the mind and body state, Control the lighting system and the air conditioning system to achieve the target illuminance, temperature and humidity so that a suitable work environment can be constructed based on the correlation between the mind and body condition and the environmental condition so as to realize the desired mind and body condition It is proposed to let
  • the illuminance, temperature and humidity are uniquely identified with respect to the user's arousal level, and the illuminance, temperature and humidity which are environmental targets corresponding to the target electrocardiogram HF are By realizing the control of the lighting device and the air conditioner, the work efficiency of the user is improved.
  • the awakening degree of the user is complicated and is not uniquely determined from the illuminance, the temperature and the humidity, and changes due to various factors such as the relationship between the illuminance, the temperature and the humidity, and the season It is a thing.
  • the object of the present invention is to solve the above-mentioned problems, and an object thereof is to provide an environmental facility control apparatus capable of immediately executing control for improving a user's mental and physical state.
  • An environmental facility control apparatus is an environmental facility control apparatus for controlling a plurality of types of environmental facilities, and includes a grasping unit, a learning control plan output unit, and a selection control unit. .
  • the grasping portion grasps current physical and mental state information regarding the current physical and mental state of the user, environmental condition information, and target relation information indicating a relationship between the targeted physical and physical state and the current physical and mental state.
  • the learning control plan output unit outputs a control change plan for each combination of a plurality of types of environmental facilities according to the current state of mind and body state information, the environmental situation information, and the target relation information.
  • the selection control unit selects and executes one control change plan based on a predetermined condition after excluding a plurality of control change plans output by the learning control plan output unit that satisfy the predetermined exclusion conditions. Do.
  • the learning control plan output unit learns to update the method of specifying the control change plan to be output, using the mental and physical state of the user changed by executing the control change plan selected by the selection control unit.
  • the information on the physical and mental state of the user is not particularly limited.
  • various kinds of information such as the awakening degree, autonomic nervous balance such as LF / HF, sleepiness degree, tension degree, sweating degree, body temperature, body surface temperature, voice, etc. Information can be used.
  • the predetermined exclusion condition is not particularly limited as long as it is defined at the time when the selection control unit tries to perform the exclusion process.
  • the exclusion condition for example, it may be determined in advance as one that changes according to the season or time.
  • the exclusion condition for example, when a change occurs in the user's mental and physical state and productivity due to execution of the control change plan selected by the selection control unit, the change is not a predetermined intended change. (If the predetermined change condition is not satisfied), the control change plan is added to those which satisfy the subsequent exclusion conditions (the control change plan is subsequently excluded from the plurality of control change plans). May be defined).
  • the environmental facility control apparatus may be configured such that the user can set and input the exclusion condition.
  • this environmental facility control apparatus When controlling a plurality of environmental facilities, this environmental facility control apparatus outputs a plurality of control change plans without reflecting the offsetting effect and synergetic effect of the control of each environmental facility on the physical and mental state of the user.
  • the learning control plan output means learns to update the method of specifying the control change plan to be output using the change in the user's mental and physical state when the control content of the selected control change plan is executed, It becomes possible to output and execute a highly efficient control change plan that brings the user's mental and physical state into a target state.
  • control change plans not desired by the user are excluded, the user is not allowed to use the user among the plurality of control change plans output by the learning control plan output unit. Even if the control change plan is not desired, the control change plan can be avoided from being executed.
  • An environmental facility control device is the environmental facility control device according to the first aspect, wherein the physical and mental state of the user is the awakening degree of the user.
  • the awakening degree is not particularly limited, but may be determined based on, for example, the state of the user's heartbeat, or may be determined based on the temperature of the user's skin, or the user It may be determined on the basis of the number of breaths per unit time, may be determined on the basis of the brain waves of the user, or may be determined on the basis of a combination thereof.
  • the environmental equipment control device is the environmental equipment control device according to the first aspect or the second aspect, and the learning control plan output means is an arithmetic means using a neural network.
  • this environmental facility control device it is possible to output a plurality of types of control change plans using a neural network.
  • the environmental equipment control device is the environmental equipment control device according to any one of the first aspect to the third aspect, wherein the selection control unit is a plurality of control change plans output by the learning control plan output means.
  • the selection control unit is a plurality of control change plans output by the learning control plan output means.
  • this environmental facility control apparatus a variation can be given to the combination pattern of multiple types of environmental facilities that can be learned by selecting and executing the control plan while rotating the combination pattern of multiple types of environmental facilities. It becomes possible to improve learning efficiency.
  • An environmental facility control apparatus is the environmental facility control apparatus according to any one of the first through fourth aspects, wherein at least an apparatus for controlling temperature and / or humidity for plural types of environmental facilities. At least one of the following: an apparatus for adjusting the concentration of carbon dioxide, an apparatus for
  • the user's mental and physical state is targeted using at least any two or more of a device for adjusting temperature, a device for adjusting humidity, a device for adjusting carbon dioxide concentration, and a device for providing fragrance. It becomes possible to approach the state.
  • An environmental facility control apparatus is the environmental facility control apparatus according to any one of the first through fifth aspects, wherein the learning control plan output means is an initial present state of mind, body and mind information before learning is performed. It is possible to output an initial control change plan for each combination of a plurality of types of environmental facilities according to the environmental condition information and the target relationship information.
  • this environmental facility control apparatus even if it is a stage before learning control plan output means performs learning, there are a plurality of types according to the initial present mind and body state information, environmental situation information, and target relation information before learning is performed. Since it has an initial control change plan for each combination of environmental facilities, it is possible to quickly output a plurality of control change plans.
  • the environmental facility control device it is possible to output and execute a highly efficient control change plan that brings the user's mental and physical state to a target state by learning while rapidly determining the control content. Even if a plurality of control change plans output by the learning control plan output unit include a control change plan that the user does not want, it is possible to prevent the control change plan from being executed. .
  • the environmental equipment control device it is possible to bring the user's awakening degree closer to the state of the awakening degree targeted.
  • the environmental equipment control device it is possible to output a plurality of types of control change plans using a neural network.
  • the environmental facility control device it is possible to give variations to the combination pattern of the plurality of types of environmental facilities that can be learned, and it is possible to improve the learning efficiency.
  • the user's mind and body condition is at least two or more of a device for controlling temperature, a device for controlling humidity, a device for controlling carbon dioxide concentration, and a device for providing fragrance. It is possible to bring it closer to the goal state.
  • the learning control plan output unit is at a stage before learning, it is possible to quickly output a plurality of types of control change plans.
  • FIG. 1 shows a schematic configuration diagram of the entire environmental facility control system 1.
  • the environmental facility control system 1 is a system for bringing the awakening degree, which is the mental and physical state of the user, to a target awakening degree by using a plurality of types of environmental facilities.
  • the environmental equipment control system 1 mainly includes an air conditioner 10, a ventilation device 20, an aroma diffuser 30, a biological sensor 40, a remote controller 50, and an environmental equipment control device 100. These respective devices are communicably connected to each other by wire or wirelessly.
  • the air conditioner 10, the ventilator 20, and the aroma diffuser 30 are different types of environmental equipment, and are equipments capable of controlling the user's alertness.
  • the air conditioner 10 is a device capable of adjusting the temperature in the room where the user is present, and by connecting an outdoor unit and an indoor unit (not shown), the compressor, the condenser, and the expansion valve It has a refrigerant circuit connected to the evaporator and capable of performing a refrigeration cycle.
  • the air conditioning apparatus 10 includes a temperature sensor 11 that detects the temperature of the indoor air, and a carbon dioxide sensor 12 that detects the concentration of carbon dioxide in the room.
  • the ventilation device 20 is a device capable of ventilating the room where the user is present, and can adjust the concentration of carbon dioxide in the room by ventilating the room by ON / OFF control.
  • the ventilation device 20 is configured to include a blower fan, a ventilation duct, and the like.
  • the aroma diffuser 30 is a device capable of supplying a predetermined fragrance to the room in which the user is present, and can adjust the aroma concentration in the room by ON / OFF control.
  • the type of the fragrance is not particularly limited, and is preferably a fragrance that affects the user's alertness.
  • the aroma diffuser 30 has an aroma sensor 31 that detects the aroma concentration in the room.
  • the biometric sensor 40 is a sensor for grasping the awakening degree of the user, and in the present embodiment, includes an electrocardiogram waveform sensor 41 that detects an electrocardiogram waveform of the user.
  • the electrocardiogram waveform sensor 41 is used by being attached near the user's heart, and can transmit the detected electrocardiogram waveform data to surrounding devices such as the environmental facility control apparatus 100 by wireless.
  • the remote control 50 receives various input data from the user used in the environmental facility control system 1.
  • the remote controller 50 is also configured to be able to operate the air conditioner 10, the ventilation device 20, and the aroma diffuser 30.
  • the remote control 50 also receives information on the target awakening degree from the user.
  • the remote control 50 receives an input of information on the complexity of the work to be performed by the user.
  • the complexity of the work is, for example, divided in advance into a plurality of stages, and may be of a type selected by the user.
  • human beings can increase working efficiency as the alertness is higher, and when performing complex tasks, if the alertness is too high, the working efficiency may be rather poor ((1) Yerkes-Dodson's Law). That is, when performing a complex task, there is an optimal alertness.
  • the environmental facility control apparatus 100 controls various environmental facilities so that the user's awakening degree can be brought close to the target awakening degree to be grasped by the remote control 50 receiving an input from the user, as described later.
  • FIG. 2 shows a functional block diagram of the environmental facility control device 100. As shown in FIG.
  • the environmental facility control apparatus 100 comprises a grasping unit 60 for grasping various information, a storage unit 70 for storing various data, and a learning control plan output means 80 for defining a control plan to be executed by each environmental facility. , And a selection control unit 90 that executes control of each environmental facility.
  • the environmental facility control device 100 can acquire information from the biological sensor 40 and the remote control 50, and can control the air conditioning device 10, the ventilation device 20, and the aroma diffuser 30, and one or more CPUs, It is configured to have a ROM and a RAM.
  • the grasping unit 60 includes a temperature grasping unit 61, a carbon dioxide concentration grasping unit 62, an aroma concentration grasping unit 63, a current awareness degree grasping unit 64, a target awareness degree grasping unit 65, a target awareness degree change grasping unit 66 and the like. And one or more CPUs, RAMs, etc.
  • the temperature grasping unit 61 obtains the value detected by the temperature sensor 11 of the air conditioner 10 by communication, and grasps it as the temperature inside the room where the user is present.
  • the carbon dioxide concentration grasping unit 62 obtains the value detected by the carbon dioxide sensor 12 of the air conditioner 10 through communication, and grasps it as the concentration of carbon dioxide in the room where the user is present.
  • Aroma concentration grasping part 63 acquires the value which aroma sensor 31 of aroma diffuser 30 detected by communication, and grasps it as the fragrance concentration in the room where the user exists.
  • the present awakening degree grasping part 64 refers to the awakening degree comparison data part 71 stored in the storage part 70 described later based on the detection contents of the electrocardiogram waveform sensor 41 as the living body sensor 40, thereby the current state of the user. Understand the awakening level (current awakening level).
  • the target awakening degree grasping part 65 grasps a target awakening degree according to the degree of complexity of the work received by the remote control 50. Specifically, when the complexity of the work is lower than a predetermined reference complexity, the target awakening level grasping unit 65 increases the target awakening degree as the complexity is lower according to a predetermined relationship.
  • the target degree of alertness (target) so as to achieve a predetermined alertness level capable of enhancing the work efficiency according to the Yerkes-Dodson law when the task complexity is equal to or higher than a predetermined reference complexity. Understand the degree of awakening).
  • the target awakening degree change grasping part 66 is a target awakening degree change ( ⁇ A) as a difference between the current awakening degree grasped by the current awakening degree grasping part 64 and the target awakening degree grasped by the target awakening degree grasping part 65 Understand
  • the storage unit 70 includes an awakening level comparison data unit 71, an initial control plan data unit 72, a mathematical model coefficient data unit 73, an exclusion condition data unit 74, a learning data storage unit 75, etc. It is comprised by RAM etc.
  • the awakening degree comparison data unit 71 stores in advance data for grasping the estimated awakening degree from the detection content of the electrocardiogram waveform sensor 41 as the biological sensor 40.
  • the relationship between the electrocardiogram waveform and the awakening degree is determined based on known matters.
  • the arousal level corresponding to the electrocardiogram waveform grasped from the electrocardiogram waveform sensor 41 is identified with reference to the relationship data of the electrocardiogram waveform and the awakening degree stored in advance to grasp the arousal level of the user You may do it.
  • the initial control plan data unit 72 is data to be taken into consideration when specifying the control plan by the initial processing unit 81 of the learning control plan output unit 80 described later, and according to the value of the target awakening degree change ( ⁇ A)
  • ⁇ A target awakening degree change
  • ⁇ A a plurality of average control plans grasped from a test or the like for each target arousal level change ( ⁇ A), It is determined and stored in the initial control plan data unit 72.
  • the control plan when the target awakening degree change ( ⁇ A) is +1, ie, the control plan for raising the awakening degree by one degree includes the air conditioner 10 and the ventilator 20.
  • a plurality of combinations of the control plans of and the aroma diffuser 30 are stored.
  • control plan A both the ventilator 20 and the aroma diffuser 30 are turned off while lowering the set temperature of the air conditioner 10 twice. It is mentioned to do.
  • control plan B of a control plan for raising the awakening degree once, the set temperature of the air conditioner 10 is lowered by 1 degree, the ventilator 20 is turned on, and the aroma diffuser 30 is turned off.
  • control plan C of a control plan for raising the awakening degree once, the ventilator 20 is turned ON without changing the set temperature of the air conditioner 10, and the aroma diffuser 30 is selected. It is mentioned to make the state of ON using the kind of aroma for awakening degree improvement.
  • the control plan when the target awakening degree change ( ⁇ A) is ⁇ 1, ie, the control plan for lowering the awakening degree by one degree, includes the air conditioner 10 and ventilation.
  • a plurality of combinations of control plans of the device 20 and the aroma diffuser 30 are stored.
  • the ventilator 20 and the aroma diffuser 30 are both turned off while raising the set temperature of the air conditioner 10 once. It is mentioned to do.
  • control plan Q of the control plan for lowering the awakening degree once, the aroma diffuser 30 is turned on while raising the set temperature of the air conditioner 10 three times and turning on the ventilator 20. It is mentioned that it makes it the state of OFF.
  • control plan R of a control plan for lowering the awakening degree once, the ventilator 20 is turned on while raising the set temperature of the air conditioner 10 twice, and the aroma diffuser 30 It is mentioned to make the state of ON using the kind of aroma for lowering alertness.
  • the initial control plan data unit 72 stores an initial control plan for each combination of a plurality of environmental facilities for each change in the target awakening degree ( ⁇ A).
  • the mathematical model coefficient data unit 73 is data of the coefficient of the mathematical model referred to when determining the mathematical model used when specifying the control plan by the NN processing unit 82 of the learning control plan output unit 80 described later (mathematical model coefficient Data) is stored.
  • the mathematical model coefficient data is updated and overwritten each time learning is performed to reflect the control plan execution result by the NN processing unit 82 of the learning control plan output unit 80 described later.
  • a plurality of control plans outputted by the initial processing unit 81 or the NN processing unit 82 of the learning control plan output unit 80 described later include a control plan not suitable for the user. It is data for excluding this, and is predetermined and stored. Exclusion data is not particularly limited, for example, a control plan including raising the current set temperature by 5 degrees or more, and lowering the current set temperature by 3 degrees or more while keeping the aroma diffuser 30 in the ON state. Is data of a control plan that the user does not want, such as a control plan that includes, and is stored in advance. The failed case may be learned and added to the exclusion condition.
  • the learning data storage unit 75 is a predetermined one after the control plan selected and executed by the selection control unit 90 of the learning control plan output unit 80 described later, the measurement value of each sensor at that time, and the execution of the control plan.
  • a plurality of types of learning data are stored, which are data in which the amount of change in the awakening degree of the user after the lapse of time (for example, after 10 minutes) is associated.
  • the learning data is used for learning performed by the NN processing unit 82 of the learning control plan output unit 80 described later, and the coefficient of the mathematical model is updated.
  • the learning control plan output unit 80 includes an initial processing unit 81, an NN processing unit 82, and the like, and is configured by one or more CPUs, a RAM, and the like.
  • the initial processing unit 81 transmits control plan data for realizing the target awakening degree change ( ⁇ A) grasped by the target awakening degree change grasping unit 66 of the grasping unit 60 to the initial control plan data unit 72 of the storage unit 70.
  • a plurality of control plans are output in order to find out from stored information and finally to select one control plan.
  • the initial processing unit 81 simply does not perform the process of examining and judging the effect of offsetting the influence of the control content in each environmental facility on the awakening degree of the user, the synergetic effect and familiarity.
  • a process of searching for a plurality of control plans from the information stored in the initial control plan data unit 72 of the storage unit 70 is performed.
  • the NN processing unit 82 is the indoor air temperature grasped by the temperature grasping unit 61 of the grasping unit 60, the carbon dioxide concentration grasped by the carbon dioxide concentration grasping unit 62, the fragrance concentration grasped by the aroma concentration grasping unit 63, and the current state
  • the current awakening degree grasped by the awakening degree grasping part 64 and the target awakening degree change ( ⁇ A) grasped by the target awakening degree change grasping part 66 are used as inputs, and plural types of control plans become outputs. It is configured to perform arithmetic processing of a plurality of neural networks (NN).
  • a neural network has a mathematical model.
  • the NN processing unit 82 constructs a mathematical model using coefficients stored while being updated as needed in the mathematical model coefficient data unit 73, and performs arithmetic processing of a neural network.
  • the NN processing unit 82 performs the neural network calculation processing in this manner to respond to the user according to the indoor air temperature, the carbon dioxide concentration, the fragrance concentration, and the current awakening degree and the target awakening degree change ( ⁇ A). It outputs multiple types of control plans that can approach the target awakening degree.
  • the plurality of types of control plans output here are also used to finally select one control plan.
  • the NN processing unit 82 performs the process of the examination and judgment on the offset effect, synergy effect and familiarity of the influence of the control content in each environmental facility on the user's alertness Instead, use the input information and the above mathematical model to calculate a plurality of control plans.
  • the selection control unit 90 includes an exclusion processing unit 91, a selection execution unit 92, and the like, and is configured of one or more CPUs, a RAM, and the like.
  • the exclusion processing unit 91 finds out, among the plurality of types of control plans output by the initial processing unit 81 and the NN processing unit 82, one that satisfies the exclusion condition stored in the exclusion condition data unit 74, and selects the execution unit 92. Perform processing to exclude from the target to be selected.
  • the selection execution unit 92 is output by the initial processing unit 81 or the NN processing unit 82, selects one control plan from among the plurality of types of control plans remaining after the exclusion processing by the exclusion processing unit 91, and executes it.
  • the selection execution unit 92 selects one control plan from among a plurality of control plans by rotation.
  • the selection execution unit 92 selects a control plan in accordance with a predetermined combination order of environmental facilities.
  • various control of the air conditioning apparatus 10 according to the said control plan, the ventilator 20, and the aroma diffuser 30 will be performed.
  • FIGS. 5 and 6 show a flowchart of processing by the environmental equipment control device 100.
  • the environmental facility control apparatus 100 performs processing for acquiring learning sample data so that a mathematical model of a neural network capable of outputting a more appropriate control plan can be obtained.
  • processing of continuing further learning is performed while specifying a control plan using a mathematical model obtained by learning. The flow of each process will be described below.
  • step S10 the grasping unit 60 grasps various information. Specifically, the target awakening degree change ( ⁇ A) is grasped.
  • step S11 the initial processing unit 81 searches for control plan data for realizing the target awakening degree change ( ⁇ A) grasped in step S10 from the information stored in the initial control plan data unit 72, Output multiple types of control plans.
  • step S12 the exclusion processing unit 91 finds out and excludes a condition satisfying the exclusion condition from among the plurality of types of control plans output by the initial processing unit 81 in step S11.
  • step S13 the selection execution unit 92 outputs an initial processing unit 81, and selects one control plan from among the plurality of types of control plans remaining after the exclusion processing by the exclusion processing unit 91.
  • the selection execution unit 92 selects one control plan by rotation.
  • step S14 the selection execution unit 92 executes the control plan selected in step S13, and controls the air conditioning apparatus 10, the ventilation apparatus 20, and the aroma diffuser 30, thereby changing the indoor environment.
  • step S15 the selection execution unit 92 determines whether a predetermined time has elapsed since the start of the control plan in step S14. Here, if it is determined that the predetermined time has elapsed, the process proceeds to step S16, and if it is determined that the predetermined time has not elapsed, the process waits for the elapse.
  • step S16 the selection execution unit 92 calculates the current awakening degree that the current awakening degree grasping part 64 has grasped before the execution of the control plan in step S14, and the current awakening degree after executing the control plan in step S14 for a predetermined time.
  • the current awakening degree grasped by the grasping unit 64 is compared to grasp the change in the awakening degree.
  • step S17 the selection execution unit 92 associates the information of the control plan executed in step S14 with the change in the awakening degree grasped in step S16, and stores the information in the learning data storage unit 75.
  • step S18 selection execution unit 92 determines whether or not the number of data stored in learning data storage unit 75 (the number of pairs of control plan information and the change in arousal level) has reached a predetermined number or more. Do. Here, if it is determined that the number of data is equal to or greater than the predetermined number, the process proceeds to step S19 (from the point shown by A in FIG. 5 to the point shown by A in FIG. 6). If it is determined that the value is less than the threshold value, the process returns to step S10 to repeat the above-described processing to increase the amount of accumulated learning data.
  • step S19 since sufficient data are accumulated in the learning data storage unit 75, the NN processing unit 82 performs learning using these data to create or update the coefficient of the mathematical model of the neural network. Specifically, by determining the coefficient of the mathematical model of the neural network by the learning, when the user changes the environment under any environment and under what environment the user is The NN processing unit 82 learns how the degree of awakening of the subject changes.
  • step S20 the NN processing unit 82 stores the coefficient of the mathematical model determined in step S19 in the mathematical model coefficient data unit 73 (updates the coefficient data).
  • step S21 the grasping unit 60 grasps various information again. Specifically, the indoor temperature, the carbon dioxide concentration, the fragrance concentration, the current awakening degree, and the target awakening degree change ( ⁇ A) are grasped respectively.
  • step S22 the NN processing unit 82 constructs a mathematical model of a neural network using the coefficient data stored in the mathematical model coefficient data unit 73. Then, the NN processing unit 82 executes the calculation processing of the neural network by using the room temperature, the carbon dioxide concentration, the fragrance concentration, the current awakening degree and the target awakening degree change ( ⁇ A) as an input, thereby performing step S21.
  • a plurality of types of control plan data for achieving the target awakening degree change ( ⁇ A) grasped in the above are output.
  • step S23 the exclusion processing unit 91 finds out and excludes a condition satisfying the exclusion condition from among the plurality of types of control plans output by the NN processing unit 82 in step S22.
  • step S24 the selection execution unit 92 is output by the NN processing unit 82, and selects one control plan from among the plurality of types of control plans remaining after the exclusion processing by the exclusion processing unit 91.
  • the selection execution unit 92 selects one control plan by rotation.
  • step S25 the selection execution unit 92 executes the control plan selected in step S24, and controls the air conditioner 10, the ventilation device 20, and the aroma diffuser 30, thereby changing the indoor environment.
  • step S26 the selection execution unit 92 determines whether a predetermined time has elapsed since the start of the control plan in step S25.
  • the process proceeds to step S27, and when it is determined that the predetermined time has not elapsed, the process waits for the elapse.
  • the predetermined time here is the same as that of step S15.
  • step S27 the selection execution unit 92 calculates the current awakening degree that the current awakening degree grasping part 64 has grasped before the execution of the control plan in step S25, and the current awakening degree after executing the control plan in step S25 for a predetermined time.
  • the current awakening degree grasped by the grasping unit 64 is compared to grasp the change in the awakening degree.
  • step S28 the selection execution unit 92 associates the information of the control plan executed in step S25 with the change in the awakening degree grasped in step S27, and stores the information in the learning data storage unit 75.
  • step S29 the selection execution unit 92 determines that the number of data stored in the learning data storage unit 75 after the last learning (the number of pairs of control plan information and changes in arousal level) is a predetermined number or more. To see if it has Here, if it is determined that the number of data is equal to or greater than the predetermined number, the process proceeds to step S19 and learning is performed again. If it is determined that the number of data is less than the predetermined number, the process returns to step S21 and the above process is repeated to increase the amount of accumulated learning data.
  • the environmental facility control apparatus 100 can output a plurality of control plans according to the target awakening degree change ( ⁇ A) only when the initial processing unit 81 takes into consideration the initial control plan data. Further, the NN processing unit 82 can output a plurality of control plans only by executing arithmetic processing of a neural network having a mathematical model constructed using mathematical model coefficient data. Then, the control execution unit 92 selects and executes one control plan according to a simple rotation, without the control plans being compared with each other and the plurality of control plans output in this manner.
  • ⁇ A target awakening degree change
  • the calculation processing for examining and judging the offsetting effect and the synergetic effect of the influence of the user on the control of each environmental facility (the influence of the awakening degree) is determined. Since it is not performed each time, it is possible to reduce the operation load and quickly select and execute one control plan. Therefore, it becomes possible to perform control of each environmental installation which becomes a user's desired awakening level in real time, and it becomes possible to realize the user's desired awakening degree early.
  • the environmental facility control apparatus 100 performs learning using a plurality of learning data composed of a set of the executed control plan and the change in the user's alertness level due to the execution of the control plan, thereby to realize the neural network.
  • a mathematical model that reflects the tendency of the user's arousal level to change as a result of including offsetting effects, synergetic effects and familiarity by control of environmental facilities .
  • learning is continued, it is possible to output a control plan in which the tendency of the user's awakening degree is accurately reflected by arithmetic processing of the neural network.
  • the exclusion processing unit 91 excludes a control plan that the user does not want from the plurality of types of control plans output by the initial processing unit 81 and the NN processing unit 82. Therefore, even if a control plan that the user does not want is included in the plurality of types of control plans output by the initial processing unit 81 and the NN processing unit 82, the control plan that the user does not want is executed. It will be possible to avoid things.
  • the environmental facility control device 100 can control the air conditioning device 10, the ventilation device 20, and the aroma diffuser 30, which are different types of environmental facilities, using the same index as the alertness in a unified manner. ing. That is, instead of performing control using an index different for each environmental facility, such as using the temperature as an index of control of the air conditioner 10 and using the aroma concentration as an index of control of the aroma diffuser 30, each environmental facility We use a unified index of alertness in the control of For this reason, when control of each environmental facility is changed, it becomes possible to simply examine the influence on the alertness which is a unified index, instead of examining the influence on different indicators in a complex manner. There is.
  • a unified index such as the arousal level is used instead of using an index such as temperature or aroma concentration that is different depending on the user, the difference in the feeling among the users can be reduced. Is possible.
  • learning is performed using not only the awakening degree itself but also learning data including the change amount of the awakening degree, and is reflected as a coefficient of a mathematical model possessed by the NN processing unit 82. Therefore, it is possible to minimize the individual difference in the change in the awakening degree for each user.
  • the information (information of a mathematical model including coefficients) possessed by the NN processing unit 82 that has performed learning by a predetermined amount or more is highly versatile information, and other than the environmental facility control apparatus 100 of this embodiment.
  • any one is selected and executed from among a plurality of types of control plans by each environmental facility.
  • only one control plan specialized for a specific environmental facility is not selected and continued, but one arbitrary control plan is selected and executed by rotation.
  • the environmental change given to the user by execution of the control plan is not limited to only a specific type of environmental change such as a temperature change, but is a change in carbon dioxide concentration, a change in aroma concentration, or these changes.
  • Various environmental changes such as combinations can be provided.
  • the change in the awakening degree with respect to the same type of environmental change may be blunted (for example, when only temperature change is continuously performed as environmental change). It becomes possible to keep the user accustomed to temperature change small.
  • the target degree of awakening is grasped using the information received by the remote control 50 regarding the complexity of the work to be performed by the user.
  • a specific awakening degree set in advance is set as the target awakening degree instead of setting a high target awakening degree unnecessarily.
  • the awakening degree of the user is A control plan that causes a positive reduction (a positive relaxation) will be selected and executed by the environmental facility control device 100.
  • the environmental facility control apparatus 100 it is possible to provide an environment for achieving an alertness level at which the work efficiency is good, in accordance with the complexity of the work performed by the user.
  • the selection execution unit 92 selects and executes one of the plurality of types of control plans output by the initial processing unit 81 and the NN processing unit 82 according to a simple rotation, as an example. explained.
  • the selection execution unit 92 does not select one of a plurality of control plans according to a simple rotation, but a control plan having a low relevance to the control plan selected and executed previously is random. (In no order) may be selected.
  • the determination as to whether or not the relationship is thin is not particularly limited, and may be made in accordance with a predetermined determination standard. For example, when the aroma diffuser 30 is not used in the previous control plan (it was in the OFF state), the control plan in which the aroma diffuser 30 is used (the ON state) is used in the control plan to be subsequently selected. It may be selected preferentially.
  • the user's mental and physical state is not limited to this, and for example, various information such as the user's sleepiness degree, tension degree, sweating degree, autonomic nervous balance and the like can be used.
  • various information such as the user's sleepiness degree, tension degree, sweating degree, autonomic nervous balance and the like can be used.
  • the measurement and estimation of the sleepiness degree of these users, the tension degree, the sweating degree, and the autonomic nervous balance can be performed using a known technique.
  • a sympathetic nerve activity index (LF / HF ratio) calculated based on a heartbeat pattern or a pulse pattern can be used.
  • the sympathetic nerve activity index (LF / HF) can be grasped by using a known measuring device for the user.
  • the sympathetic nerve activity index (LF / HF) as the user's mental and physical state, it becomes possible to grasp a reliable value as the state regarding the user's sympathetic nerve, and the index is a known measuring device Since it is possible to immediately grasp using the above, real-time control of environmental facilities according to the user's sympathetic nerve activity index (LF / HF) becomes possible.
  • indices can be used not only for the example described in the above embodiment but also for the examples described in each modification and the like as an index that indicates the user's mental and physical state.
  • the environment equipment is not limited to these, and, for example, a lighting device may be used to adjust the illuminance in the room to change the user's alertness, or a plurality of different rhythms to change the user's alertness
  • a sound system (including speakers, etc.) capable of providing different types of music may be used.
  • control may be performed such as increasing the illuminance to improve the user's alertness and decreasing the illuminance to lower the user's alertness.
  • control such as passing fast tempo music in order to improve the user's alertness and passing slow tempo music in order to lower the user's alertness.
  • the ventilation apparatus 20 can be used for the ventilation air volume using what can control the ventilation air volume.
  • the alertness of the user may be adjusted according to the above, or the aroma diffuser 30 may be used to adjust the alertness of the user according to the injection amount using one that can control the injection amount of the fragrance.
  • the aroma diffuser 30 has an aroma for improving the user's alertness and an aroma for reducing the user's alertness, and is configured to release at least one of them according to the control plan. It may be done.
  • Aroma of a lemon can be used as a fragrance for raising a waking degree
  • Cedrol can be used as a fragrance for lowering a waking degree.
  • the humidity in the room may be controlled, and the user's alertness may be adjusted by the humidity control.
  • the exclusion processing unit 91 finds out, from among the plurality of types of control plans output by the initial processing unit 81 and the NN processing unit 82, one that satisfies an exclusion condition predetermined as a control plan not suitable for the user.
  • the case of exclusion is described by way of example.
  • the upper limit of the change range from the current state of the control content of each environmental facility included in the control plan is set so that a large environmental change to which the user can notice is not selected and executed.
  • the exclusion conditions may be defined such that a control plan including control of an annular facility exceeding the upper limit is excluded.
  • the upper limit of the change width from the current state of the control content of each environmental facility for not making the user aware of the environmental change is not particularly limited, but the user operates each environmental facility in advance and the environment per unit time By gradually raising the degree of change, it is possible to grasp the environmental change width which oneself is aware of, and to input the grasped environmental change width of each environmental equipment into the environmental equipment control apparatus 100.
  • a predetermined environmental change width for each environmental facility may be input to the environmental facility control apparatus 100.
  • the environmental facility control apparatus 100 is configured such that a control plan that can be changed by 2 ° C. or more is not executed.
  • the learning algorithm is not limited to the neural network.
  • a known learning algorithm such as deep learning, support vector machine, or Bayesian estimation may be used.
  • a control plan that satisfies the exclusion condition stored in the exclusion condition data unit 74 for example, a preset temperature at which the user is excessively uncomfortable (for example, a preset temperature of 20 ° C. or less or 28 ° C. or more)
  • Control plan and a control plan in which the change range of the set temperature from the current state is too large (for example, the change range of the set temperature from the current state is ⁇ 5 ° or more).
  • how to determine such exclusion conditions is not particularly limited. For example, environmental equipment such as condensation may occur in a specific part (a part other than the evaporator, etc.) of the air conditioner 10.
  • An energy inefficient control plan in which the energy consumption of environmental facilities such as the air conditioner 10 is exceeded to a predetermined value or more so that a control plan that may cause damage is excluded May be defined to be excluded.
  • the exclusion condition does not have to be always the same condition, and different conditions may be applied depending on the situation. For example, exclusion conditions for when the outside air temperature is higher than a predetermined value (for example, summer) (for example, conditions for excluding those whose set temperature is 24 ° C. or lower) and the time when the outside air temperature is lower than a predetermined value (for example, winter) It may be determined that the exclusion condition for (for example, the condition for excluding the one having the set temperature of 24 ° C. or more) is different.
  • a predetermined value for example, summer
  • a predetermined value for example, winter
  • the exclusion condition for for example, the condition for excluding the one having the set temperature of 24 ° C. or more
  • the exclusion conditions input for the setting are stored in the exclusion condition data unit 74.
  • the user may input so that a control plan in which their own type of aroma is used is excluded. Then, the control plan in which the specific fragrance is used may satisfy the exclusion condition.
  • the currently executed control plan from the user is When the environmental facility control apparatus 100 receives an instruction (for example, an instruction to cancel or change the contents of the currently executed control plan) to the effect of not being favored through the remote control 60 or the like, the currently executed control plan
  • the exclusion condition data unit 74 may be overwritten as if the condition of the exclusion condition is satisfied.
  • the means for reflecting the preference of the user is not limited to the input using the remote control 60, and a user terminal such as a smartphone or a wireless switch may be used.
  • the productivity of the user is not particularly limited, but for example, the amount of input information per unit time in the user who performs the information input work, the score of the test in the user who is the student of learning habit, The amount of programs created per unit time (number of program lines etc.) of the programmer who is the user, the number of people in charge of the call center staff who are the user, and the like can be mentioned.
  • productivity is quantified as an index
  • productivity which is quantified instead of the alertness in the above embodiment it is possible to obtain the same effect as that of the above embodiment by selecting, executing, and learning a control plan of environmental facilities that realizes the difference between the current productivity and the target productivity. Become.
  • neutral temperature is a temperature that human beings feel comfortable without heat or cold
  • neutral temperature is affected by the latest past external temperature transition. That is, when the environment with high outside temperature continues for the latest past, the human body adapts to the high temperature and gets used to it. Also, if the environment continues to have low ambient temperatures for the most recent past, the human body adapts to the low temperatures and gets used to it.
  • the impact of an environmental change on a user who is accustomed to high temperatures is different from the impact of the same environmental change on a user who is not accustomed to such high temperatures.
  • productivity and the like may be different.
  • the environmental facility control device can control a plurality of environmental facilities so that the physical and mental state such as the user's awakening degree and productivity can be brought closer to a target state based on such past history information Be
  • the grasping part grasps the current value related to the mental and physical state such as the user's alertness and productivity, its target value and the latest past environmental information, and the physical and mental condition such as the user's alert and so on
  • the specification based on the latest past environmental information is performed.
  • the air conditioner when used as an environmental facility, and the temperature of the space where the user was present in the most recent predetermined past period is grasped as the most recent past environment information, the most recent past When the high temperature state (higher than the predetermined temperature) continues, the user wakes up by lowering the set temperature of the air conditioner than when the low state (low temperature) continues.
  • the set temperature may be specified based on the tendency that the degree of improvement becomes remarkable.
  • the relationship between the awakening degree and the like and the neutral temperature can be applied to the relationship between the awakening degree and the like and the neutral carbon dioxide concentration.
  • an illuminating device as environmental equipment, it is applicable also in the relationship between awakening degree etc. and neutral illumination intensity. In this case, it is possible to control the awakening degree of the user more accurately in consideration of the influence given by the history of the illuminance in the last few minutes to the sense of lightness and darkness received by the human being.
  • environmental equipment it is not restricted to an air conditioning apparatus, A lighting device, an aroma diffuser, a ventilator, a sound system, and these combination can be used.
  • the brightness (illuminance etc.) around the most recent user in the past may be used as the environmental information
  • the type and concentration of the aroma around the most recent user in the past may be used as information
  • the carbon dioxide concentration around the latest user in the past may be used as environmental information for the ventilator
  • the loudness of the sound around the latest user in the past for the sound system You may use as environmental information.
  • the length of the most recent predetermined previous period in the past may be specified to be different depending on the type of environmental equipment.
  • the length of the last predetermined period immediately before may be about one week, and in the relationship with the illuminance of the lighting device, the most recent predetermined period in the past The length of the period may be several minutes.
  • a plurality of types of initial control plan data which are combinations of control plans of each environmental facility, are predetermined according to the value of the target awakening degree change ( ⁇ A).
  • the above-mentioned case of neutral temperature is applied to this case, for example, in the control of the room temperature by the air conditioner 10 described in the above embodiment, output of a plurality of control plans
  • the history of the outside air temperature in the past predetermined period for example, the recent one week
  • the outside air temperature may be stored separately by area or by season, or the neutral temperature may be directly stored to learn the influence of the user on the awakening degree or the like.
  • Environmental equipment control device 10 Air conditioning equipment (environmental equipment, device for adjusting temperature, device for adjusting humidity) 20 Ventilation system (environmental equipment, device to control carbon dioxide concentration) 30 Aroma Diffuser (Environmental Equipment, Equipment to Provide Fragrance) 40 living body sensor 41 electrocardiogram waveform sensor 50 remote control 60 grasping part 61 temperature grasping part (gripping part) 62 Carbon Dioxide Concentration Understanding Department (Understanding Department) 63 Aroma Concentration Understanding Unit (Understanding Unit) 64 Current awakening degree grasping part (grasping part) 65 Target awakening degree grasping part (grasping part) 66 Target awakening degree change grasping part (gripping part) 70 storage unit 71 awakening degree comparison data unit 72 initial control plan data unit 73 mathematical model coefficient data unit 74 exclusion condition data unit 75 learning data storage unit 80 learning control plan output unit 81 initial processing unit (learning control plan output unit) 82 NN processor (learning control plan output means) 90 Selection control unit 91 Exclusion processing unit (selection control unit) 92 Selection Execution Unit 100 Environmental Equipment Control Device

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Dermatology (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

ユーザの心身状態を改善させるための制御を即時に実行させることが可能な環境設備制御装置を提供する。複数種類の環境設備（１０、２０、３０）の制御を行うための環境設備制御装置（１００）であって、ユーザの現状の心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する把握部（６０）と、現状心身状態情報と環境状況情報と目標関係情報とに応じて複数種類の環境設備（１０、２０、３０）の組み合わせ毎の制御計画を出力する学習制御計画出力手段（８０）と、学習制御計画出力手段（８０）によって出力された複数の制御計画から１つの制御計画を選択して実行する選択制御部（９０）と、を備え、学習制御計画出力手段（８０）は、選択制御部（９０）が選択した制御計画を実行することによって変化したユーザの心身状態を用いて、出力させる制御計画の特定方法を更新させるように学習する。

Description

環境設備制御装置
　本発明は、環境設備制御装置に関する。
　従来より、空気調和装置や照明設備等の環境設備を用いて、作業者の作業効率を高めることが可能な環境を提供することが求められている。
　例えば、特許文献１（特開２０１１－１０１７４６号公報）に記載の作業環境制御システムでは、作業者の心身状態と心身状態との相関に基づいて、目標とする心身状態を定め、当該定められた目標とする心身状態を実現するように心身状態と環境状態の相関に基づいて好適な作業環境を構築させるように、照明装置および空調装置を制御して目標とする照度と温度と湿度とを実現させることを提案している。
　上記従来のシステムでは、ユーザの覚醒度に対して照度と温度と湿度とが一義的に特定されることを前提としており、目標となる心電図ＨＦに対応する環境目標である照度と温度と湿度を、照明装置および空調装置の制御により実現することで、ユーザの作業効率の向上を図っている。
　ところが、実際には、ユーザの覚醒度は、複雑であり、照度と温度と湿度とから一義的に定まるものではなく、照度と温度と湿度との相互関係や季節等の様々な要因により変化するものである。
　しかし、ユーザの心身状態のような様々な因子が影響を与える複雑な指標について、当該心身状態を最適化させることを目指して環境設備の制御を行おうとしても、実際には、各因子をそれぞれ変化させた場合のユーザの心身状態の影響を検討する等の極めて複雑なシミュレーションを行うことが必要となる。特に、ユーザの心身状態に影響を与える複数の因子同士の相殺効果や相乗効果を考慮する必要が生じるため、情報処理量が極めて膨大となる。すなわち、複数の環境設備の制御を変更させる場合には、それぞれの環境設備の制御変更によってユーザの心身状態が変化するものと考えられるが、最適な心身状態を実現させるための照明装置や空調装置の制御状態を特定するためには、照明装置による照度の調整が作業者の心身状態に与える影響と、空調装置による温度や湿度の調整が作業者の心身状態に与える影響と、の相殺効果や相乗効果を考慮する必要があり、演算負荷が非常に膨大となってしまう。
　また、そもそも、ユーザの心身状態に影響を与える因子の全てを盛り込んだシミュレーションのモデルはこれまで検討されておらず、上述のようなシミュレーションを試みること自体が困難である。
　したがって、ユーザの心身状態を目標とする状態に近づけるように複数の環境設備を制御することは、これまでの技術では現実的ではなく、実質的に不可能であった。
　本発明の課題は、上述した点に鑑みてなされたものであり、ユーザの心身状態を改善させるための制御を即時に実行させることが可能な環境設備制御装置を提供することにある。
　第１観点に係る環境設備制御装置は、複数種類の環境設備の制御を行うための環境設備制御装置であって、把握部と、学習制御計画出力手段と、選択制御部と、を備えている。把握部は、ユーザの現状の心身状態に関する現状心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する。学習制御計画出力手段は、現状心身状態情報と環境状況情報と目標関係情報とに応じて複数種類の環境設備の組み合わせ毎の制御変更計画を出力する。選択制御部は、学習制御計画出力手段によって出力された複数の制御変更計画から、予め定められた除外条件を満たすものを除外した後に、所定条件に基づいて１つの制御変更計画を選択して実行する。学習制御計画出力手段は、選択制御部が選択した制御変更計画を実行することによって変化したユーザの心身状態を用いて、出力させる制御変更計画の特定方法を更新させるように学習する。
　なお、ユーザの心身状態に関する情報としては、特に限定されず、例えば、覚醒度、ＬＦ／ＨＦ等の自律神経バランス、眠気度合い、緊張度合い、発汗度合い、体温、体表面温度、音声等の各種の情報を用いることができる。
　また、予め定められた除外条件としては、選択制御部が除外する処理を行おうとする時点で定められているものであれば特に限定されるものではない。除外条件としては、例えば、季節や時期に応じて変化するものとして予め定められていてもよい。また、除外条件としては、例えば、選択制御部によって選択された制御変更計画が実行されることでユーザの心身状態や生産性に変化が生じた場合に、当該変化が所定の意図する変化ではなかった場合（所定変化条件を満たさなかった場合）には、それ以降の除外条件を満たすものに当該制御変更計画が加えられるように（それ以降は複数の制御変更計画から当該制御変更計画が除外されることになるように）定められていてもよい。また、ユーザが除外条件を設定入力することができるように環境設備制御装置が構成されていてもよい。
　この環境設備制御装置では、複数の環境設備の制御を行う場合において、各環境設備の制御によるユーザの心身状態に与える影響の相殺効果や相乗効果を都度反映させることなく複数の制御変更計画を出力し、当該出力の中から１つの制御変更計画を所定条件に基づいて選択することにより、制御内容の決定を迅速に行うことが可能になる。そして、選択した制御変更計画の制御内容を実行した場合のユーザの心身状態の変化を用いて、出力させる制御変更計画の特定方法を更新させるように学習制御計画出力手段が学習するため、学習によりユーザの心身状態を目標とする状態に近づける効率の高い制御変更計画を出力させて実行できるようになる。
　また、この環境設備制御装置では、ユーザが望まない制御変更計画が除かれるように除外条件を予め定めておくことで、学習制御計画出力手段によって出力された複数の制御変更計画の中に、ユーザが望まない制御変更計画が含まれていたとしても、当該制御変更計画が実行されてしまうことを避けることが可能になる。
　第２観点に係る環境設備制御装置は、第１観点に係る環境設備制御装置であって、ユーザの心身状態は、ユーザの覚醒度である。
　ここで、覚醒度としては、特に限定されないが、例えば、ユーザの心拍の状態に基づいて定まるものであってもよいし、ユーザの皮膚の温度に基づいて定まるものであってもよいし、ユーザの呼吸の単位時間当たりの回数に基づいて定まるものであってもよいし、ユーザの脳波に基づいて定まるものであってもよいし、これらの組み合わせに基づいて定まるものであってもよい。
　この環境設備制御装置では、ユーザの覚醒度を目標とする覚醒度の状態に近づけることが可能になる。
　第３観点に係る環境設備制御装置は、第１観点または第２観点に係る環境設備制御装置であって、学習制御計画出力手段は、ニューラルネットワークを用いた演算手段である。
　この環境設備制御装置では、ニューラルネットワークを用いて複数種類の制御変更計画を出力することが可能になる。
　第４観点に係る環境設備制御装置は、第１観点から第３観点のいずれかに係る環境設備制御装置であって、選択制御部は、学習制御計画出力手段によって出力された複数の制御変更計画から１つの制御変更計画を選択する場合に、複数種類の環境設備の組み合わせパターンをローテーションさせながら選択する。
　この環境設備制御装置では、複数種類の環境設備の組み合わせパターンをローテーションさせながら制御計画を選択して実行させることで、学習させることができる複数種類の環境設備の組み合わせパターンにバリエーションを持たせることが可能になり、学習効率を高めることが可能になる。
　第５観点に係る環境設備制御装置は、第１観点から第４観点のいずれかに係る環境設備制御装置であって、複数種類の環境設備には、少なくとも、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上が含まれる。
　この環境設備制御装置では、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上を用いてユーザの心身状態を目標とする状態に近づけることが可能になる。
　第６観点に係る環境設備制御装置は、第１観点から第５観点のいずれかに係る環境設備制御装置であって、学習制御計画出力手段は、学習が行われる前の初期の現状心身状態情報と環境状況情報と目標関係情報とに応じた複数種類の環境設備の組み合わせ毎の初期の制御変更計画を出力可能に有している。
　この環境設備制御装置では、学習制御計画出力手段が学習を行う前の段階であっても、学習が行われる前の初期の現状心身状態情報と環境状況情報と目標関係情報とに応じた複数種類の環境設備の組み合わせ毎の初期の制御変更計画を有しているため、迅速に複数種類の制御変更計画を出力することが可能になる。
　第１観点に係る環境設備制御装置では、制御内容の決定を迅速に行いつつ、学習によりユーザの心身状態を目標とする状態に近づける効率の高い制御変更計画を出力させて実行できるようになり、学習制御計画出力手段によって出力された複数の制御変更計画の中に、ユーザが望まない制御変更計画が含まれていたとしても、当該制御変更計画が実行されてしまうことを避けることが可能になる。
　第２観点に係る環境設備制御装置では、ユーザの覚醒度を目標とする覚醒度の状態に近づけることが可能になる。
　第３観点に係る環境設備制御装置では、ニューラルネットワークを用いて複数種類の制御変更計画を出力することが可能になる。
　第４観点に係る環境設備制御装置では、学習させることができる複数種類の環境設備の組み合わせパターンにバリエーションを持たせることが可能になり、学習効率を高めることが可能になる。
　第５観点に係る環境設備制御装置では、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上を用いてユーザの心身状態を目標とする状態に近づけることが可能になる。
　第６観点に係る環境設備制御装置では、学習制御計画出力手段が学習を行う前の段階であっても、迅速に複数種類の制御変更計画を出力することが可能になる。
環境設備制御システムの全体の概略構成図である。 環境設備制御装置のブロック構成図である。 ユーザの覚醒度を１つ上げる際の複数種類の制御計画の例を示す表である。 ユーザの覚醒度を１つ下げる際の複数種類の制御計画の例を示す表である。 環境設備制御装置による処理のフローチャート（その１）である。 環境設備制御装置による処理のフローチャート（その２）である。
　以下、一実施形態を例に挙げて環境設備制御装置が採用された環境設備制御システムを説明するが、本発明はこれに限定されるものではない。
　（１）環境設備制御システム全体の概略構成
　図１に、環境設備制御システム１の全体の概略構成図を示す。
　環境設備制御システム１は、複数種類の環境設備を用いることでユーザの心身状態である覚醒度を目標とする覚醒度に近づけるためのシステムである。
　環境設備制御システム１は、空気調和装置１０と、換気装置２０と、アロマディフューザ３０と、生体センサ４０と、リモコン５０と、環境設備制御装置１００と、を主として有している。これらの各機器は、互いに有線または無線により、互いに通信可能に接続されている。
　空気調和装置１０と、換気装置２０と、アロマディフューザ３０とは、互いに異なる種類の環境設備であり、ユーザの覚醒度をコントロールすることが可能な設備である。
　空気調和装置１０は、ユーザが存在している室内の温度を調節することが可能な装置であり、図示しない室外ユニットと室内ユニットとが接続されることで、圧縮機と凝縮器と膨張弁と蒸発器とが接続され冷凍サイクルを実行可能な冷媒回路を有している。空気調和装置１０は、室内の空気温度を検出する温度センサ１１と、室内の二酸化炭素の濃度を検出する二酸化炭素センサ１２と、を有している。
　換気装置２０は、ユーザが存在している室内の換気を行うことが可能な装置であり、ON/OFF制御により室内の換気を行うことで室内の二酸化炭素濃度を調節することができる。この換気装置２０は、送風ファンや換気ダクト等を有して構成されている。
　アロマディフューザ３０は、ユーザが存在している室内に対して所定の芳香剤を供給することが可能な装置であり、ON/OFF制御により室内の芳香濃度を調節することができる。芳香剤の種類は特に限定されず、ユーザの覚醒度に影響を与える芳香であることが好ましい。アロマディフューザ３０は、室内の芳香濃度を検出する香りセンサ３１を有している。
　生体センサ４０は、ユーザの覚醒度を把握するためのセンサであり、本実施形態においては、ユーザの心電図波形を検出する心電図波形センサ４１を有している。心電図波形センサ４１は、ユーザの心臓付近に取り付けられることで用いられ、検出された心電図波形データを無線により環境設備制御装置１００等の周囲の機器に送信することが可能になっている。
　リモコン５０は、環境設備制御システム１において用いられるユーザからの各種入力データの受け付けを行う。また、リモコン５０は、空気調和装置１０、換気装置２０、アロマディフューザ３０の操作を行うことも可能に構成されている。また、リモコン５０は、ユーザからの目標とする覚醒度に関する情報の受付も行う。具体的には、リモコン５０は、ユーザがこれから行う作業の複雑度に関する情報の入力を受け付ける。作業の複雑度は、例えば複数段階に予め分けられたものであり、ユーザが選択する形式のものであってよい。一般に、人間は、単純な作業を行う場合には覚醒度が高いほど作業効率を高めることができ、複雑な作業を行う場合には覚醒度が高すぎるとかえって作業効率が悪くなることがある（Yerkes-Dodson法則）。すなわち、複雑な作業を行う場合には、最適な覚醒度が存在することになる。
　環境設備制御装置１００は、後述するように、リモコン５０がユーザからの入力を受け付けることで把握される目標とする覚醒度に、ユーザの覚醒度を近づけることができるように、各種環境設備の制御を行う装置である。
　（２）環境設備制御装置１００の構成
　図２に、環境設備制御装置１００の機能ブロック構成図を示す。
　環境設備制御装置１００は、各種情報を把握するための把握部６０と、各種データを格納しておくための記憶部７０と、各環境設備に実行させる制御計画を定める学習制御計画出力手段８０と、各環境設備の制御を実行する選択制御部９０と、を備えている。この環境設備制御装置１００は、生体センサ４０やリモコン５０からの情報を取得し、空気調和装置１０と換気装置２０とアロマディフューザ３０とを制御することが可能であり、１つまたは複数のCPU、ROM、RAMを有して構成されている。
　（２－１）把握部６０
　把握部６０は、温度把握部６１、二酸化炭素濃度把握部６２、芳香濃度把握部６３、現状覚醒度把握部６４、目標覚醒度把握部６５、目標覚醒度変化分把握部６６等を有しており、１または複数のCPUやRAM等によって構成されている。
　温度把握部６１は、空気調和装置１０の温度センサ１１が検出した値を通信により取得して、ユーザの存在している室内の気温として把握する。
　二酸化炭素濃度把握部６２は、空気調和装置１０の二酸化炭素センサ１２が検出した値を通信により取得して、ユーザの存在している室内の二酸化炭素濃度として把握する。
　芳香濃度把握部６３は、アロマディフューザ３０の香りセンサ３１が検出した値を通信により取得して、ユーザの存在している室内の芳香剤濃度として把握する。
　現状覚醒度把握部６４は、生体センサ４０としての心電図波形センサ４１の検出内容に基づいて、後述する記憶部７０に格納されている覚醒度対比データ部７１を参酌することにより、ユーザの現状の覚醒度（現状覚醒度）を把握する。
　目標覚醒度把握部６５は、リモコン５０が受け付けた作業の複雑度合いに応じて、目標とする覚醒度を把握する。具体的には、目標覚醒度把握部６５は、作業の複雑度が所定の基準複雑度よりも低い場合には予め定められた関係に従って複雑度が低いほど目標とする覚醒度が高くなるように、作業の複雑度が所定の基準複雑度以上である場合にはYerkes-Dodson法則に従った作業効率を高めることが可能な予め定められた覚醒度となるように、目標とする覚醒度（目標覚醒度）を把握する。
　目標覚醒度変化分把握部６６は、現状覚醒度把握部６４が把握した現状覚醒度と、目標覚醒度把握部６５が把握した目標覚醒度と、の差分としての目標覚醒度変化分（ΔA）を把握する。
　（２－２）記憶部７０
　記憶部７０は、覚醒度対比データ部７１、初期制御計画データ部７２、数学モデル係数データ部７３、除外条件データ部７４、学習データ蓄積部７５等を有しており、１または複数のROMやRAM等によって構成されている。
　覚醒度対比データ部７１は、上述したように、生体センサ４０としての心電図波形センサ４１の検出内容から、推定される覚醒度を把握するためのデータが予め格納されている。心電図波形と覚醒度との関係は公知の事項に基づいて定められている。また、例えば、心電図波形センサ４１から把握される心電図波形に対応する覚醒度を、予め格納されている心電図波形と覚醒度との関係データを参照して特定することで、ユーザの覚醒度を把握するようにしてもよい。
　初期制御計画データ部７２は、後述する学習制御計画出力手段８０の初期処理部８１による制御計画の特定の際に参酌されるデータであり、目標覚醒度変化分（ΔA）の値に応じて、各環境設備の制御計画の組み合わせである初期制御計画データが複数種類、予め定められている。
　具体的には、目標覚醒度変化分（ΔA）を実現させるための初期制御計画として、試験等から把握された平均的な制御計画が、目標覚醒度変化分（ΔA）毎に複数種類、予め定められて初期制御計画データ部７２に格納されている。
　例えば、目標覚醒度変化分（ΔA）が+１である場合の制御計画、すなわち、覚醒度を１度上げるための制御計画については、図３に示すように、空気調和装置１０と換気装置２０とアロマディフューザ３０との制御計画の組み合わせが複数種類格納されている。ここでは、覚醒度を１度上げるための制御計画の１つの例（制御計画A）として、空気調和装置１０の設定温度を２度下げつつ換気装置２０とアロマディフューザ３０をいずれもOFFの状態とすることが挙げられている。また、覚醒度を１度上げるための制御計画の別の１つの例（制御計画B）として、空気調和装置１０の設定温度を１度下げつつ換気装置２０をONの状態としアロマディフューザ３０をOFFの状態とすることが挙げられている。さらに、覚醒度を１度上げるための制御計画の別の１つの例（制御計画C）として、空気調和装置１０の設定温度を変更させることなく換気装置２０をONの状態とし、アロマディフューザ３０については覚醒度向上用の種類のアロマを用いてONの状態とすることが挙げられている。
　また、例えば、目標覚醒度変化分（ΔA）が－１である場合の制御計画、すなわち、覚醒度を１度下げるための制御計画については、図４に示すように、空気調和装置１０と換気装置２０とアロマディフューザ３０との制御計画の組み合わせが複数種類格納されている。ここでは、覚醒度を２度下げるための制御計画の１つの例（制御計画P）として、空気調和装置１０の設定温度を１度上げつつ換気装置２０とアロマディフューザ３０をいずれもOFFの状態とすることが挙げられている。また、覚醒度を１度下げるための制御計画の別の１つの例（制御計画Q）として、空気調和装置１０の設定温度を３度上げつつ換気装置２０をONの状態としつつアロマディフューザ３０をOFFの状態とすることが挙げられている。さらに、覚醒度を１度下げるための制御計画の別の１つの例（制御計画R）として、空気調和装置１０の設定温度を２度上げつつ換気装置２０をONの状態とし、アロマディフューザ３０については覚醒度低下用の種類のアロマを用いてONの状態とすることが挙げられている。
　以上のようにして、初期制御計画データ部７２には、目標覚醒度変化分（ΔA）毎に、複数の環境設備の組み合わせ毎の初期制御計画が格納されている。
　数学モデル係数データ部７３は、後述する学習制御計画出力手段８０のＮＮ処理部８２による制御計画の特定の際に用いられる数学モデルを定める際に参酌される数学モデルの係数のデータ（数学モデル係数データ）が格納されている。当該数学モデル係数データは、後述する学習制御計画出力手段８０のＮＮ処理部８２による制御計画実行結果を反映させるための学習が行われるたびに更新され、上書きされていく。
　除外条件データ部７４は、後述する学習制御計画出力手段８０の初期処理部８１やＮＮ処理部８２が出力した複数の制御計画の中に、ユーザに適さない制御計画が含まれている場合に、これを除外するためのデータであり、予め定められて格納されている。除外データは、特に限定されないが、例えば、現在の設定温度から５度以上上げることが含まれた制御計画や、アロマディフューザ３０をONの状態としたままで現在の設定温度から３度以上下げることが含まれた制御計画等のユーザが望まない制御計画のデータであり、予め定められて格納されている。失敗した事例を学習して除外条件に追加するようにしてもよい。
　学習データ蓄積部７５は、後述する学習制御計画出力手段８０の選択制御部９０が選択して実行した制御計画と、その時の各センサの計測値と、当該制御計画の実行を開始してから所定時間経過後（例えば１０分後）の、ユーザの覚醒度の変化量と、が対応付けられたデータである学習データが複数種類格納されている。この学習データは、後述する学習制御計画出力手段８０のＮＮ処理部８２が行う学習に用いられ、数学モデルの係数が更新されることになる。
　（２－３）学習制御計画出力手段８０
　学習制御計画出力手段８０は、初期処理部８１、ＮＮ処理部８２等を有しており、１または複数のCPUやRAM等によって構成されている。
　初期処理部８１は、把握部６０の目標覚醒度変化分把握部６６が把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを、記憶部７０の初期制御計画データ部７２に格納されている情報の中から探し出し、最終的に１つの制御計画の選択を行うために、複数の制御計画を出力する。この複数の制御計画の出力処理では、初期処理部８１は、各環境設備における制御内容がユーザの覚醒度に与える影響の相殺効果や相乗効果や馴れに関する検討判断の処理は都度行わず、単純に、記憶部７０の初期制御計画データ部７２に格納されている情報の中から複数の制御計画を探し出す処理を行う。
　ＮＮ処理部８２は、把握部６０の温度把握部６１が把握した室内の気温と、二酸化炭素濃度把握部６２が把握した二酸化炭素濃度と、芳香濃度把握部６３が把握した芳香剤濃度と、現状覚醒度把握部６４が把握した現状覚醒度と、目標覚醒度変化分把握部６６が把握した目標覚醒度変化分（ΔA）と、が入力として用いられ、複数種類の制御計画が出力となる、複数のニューラルネットワーク（NN）の演算処理を行うように構成されている。ニューラルネットワークは、数学モデルを有している。ＮＮ処理部８２は、数学モデル係数データ部７３において随時更新されながら格納されている係数を用いて数学モデルを構築し、ニューラルネットワークの演算処理を行う。ＮＮ処理部８２は、このようにニューラルネットワークの演算処理を行うことで、室内の気温と二酸化炭素濃度と芳香剤濃度と現状覚醒度と目標覚醒度変化分（ΔA）とに応じて、ユーザを目標覚醒度に近づけることができる制御計画を複数種類出力する。ここで出力される複数種類の制御計画も、最終的に１つの制御計画を選択するために用いられる。また、この複数の制御計画の出力処理においても、ＮＮ処理部８２は、各環境設備における制御内容がユーザの覚醒度に与える影響の相殺効果や相乗効果や馴れに関する検討判断の処理を都度行うことなく、入力された情報と上記数学モデルを用いること複数の制御計画を算出する処理を行う。
　（２－４）選択制御部９０
　選択制御部９０は、除外処理部９１、選択実行部９２等を有しており、１または複数のCPUやRAM等によって構成されている。
　除外処理部９１は、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中から、除外条件データ部７４に格納されている除外条件を満たすものを見つけ出して、選択実行部９２に選択される対象から除外させる処理を行う。
　選択実行部９２は、初期処理部８１やＮＮ処理部８２が出力し、除外処理部９１による除外処理を終えて残った複数種類の制御計画の中から１つの制御計画を選択し、実行する。ここで、選択実行部９２は、複数種類の制御計画の中からの１つの制御計画の選択をローテ―ションにより行う。特に限定されないが、本実施形態では、選択実行部９２は、予め定められた環境設備の組み合わせの順序にしたがって、制御計画の選択を行う。なお、選択実行部９２が制御計画を実行することにより、当該制御計画に応じた空気調和装置１０、換気装置２０、アロマディフューザ３０の各種制御が行われることになる。
　（３）環境設備制御装置１００による処理
　図５および図６に、環境設備制御装置１００による処理のフローチャートを示す。
　環境設備制御装置１００は、主として処理の前半では、より妥当な制御計画を出力可能なニューラルネットワークの数学モデルが得られるように、学習のサンプルデータを取得するための処理を行う。また、学習が行われた後は、学習によって得られた数学モデルを用いて制御計画の特定を行いながら、さらなる学習を続けていくという処理を行うことになる。以下、各処理の流れを説明する。
　ステップＳ１０では、把握部６０が各種情報を把握する。具体的には、目標覚醒度変化分（ΔA）を把握する。
　ステップＳ１１では、初期処理部８１が、ステップＳ１０で把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを、初期制御計画データ部７２に格納されている情報の中から探し出し、複数種類の制御計画を出力する。
　ステップＳ１２では、除外処理部９１が、ステップＳ１１で初期処理部８１が出力した複数種類の制御計画の中から、除外条件を満たすものを見つけ出して除外する。
　ステップＳ１３では、選択実行部９２が、初期処理部８１が出力し、除外処理部９１による除外処理を終えて残った複数種類の制御計画の中から１つの制御計画を選択する。ここでは、選択実行部９２はローテーションによって１つの制御計画を選択する。
　ステップＳ１４では、選択実行部９２が、ステップＳ１３で選択した制御計画を実行し、空気調和装置１０、換気装置２０、アロマディフューザ３０の制御を行うことで、室内環境を変化させる。
　ステップＳ１５では、選択実行部９２が、ステップＳ１４における制御計画の開始から所定時間が経過したか否かを判断する。ここで、所定時間経過したと判断された場合にはステップＳ１６に移行し、経過していないと判断された場合には経過まで待機する。
　ステップＳ１６では、選択実行部９２が、ステップＳ１４による制御計画の実行前に現状覚醒度把握部６４が把握していた現状覚醒度と、ステップＳ１４による制御計画を所定時間の実行した後に現状覚醒度把握部６４が把握する現状覚醒度と、を比較して覚醒度の変化分を把握する。
　ステップＳ１７では、選択実行部９２が、ステップＳ１４で実行した制御計画の情報と、ステップＳ１６で把握した覚醒度の変化分と、を対応づけて、学習データ蓄積部７５に格納する。
　ステップＳ１８では、選択実行部９２は、学習データ蓄積部７５に格納されたデータの数（制御計画の情報と覚醒度の変化分との組の数）が所定数以上に至っているか否かを判断する。ここで、データ数が所定数以上となっていると判断された場合にはステップＳ１９に移行し（図５のAで示す箇所から図６のAで示す箇所に移る）、データ数が所定数未満であると判断された場合にはステップＳ１０に戻って上記処理を繰り返し、学習データの蓄積分を増やす。
　ステップＳ１９では、学習データ蓄積部７５に十分にデータがたまっているため、これらのデータを用いて、ＮＮ処理部８２が学習を行い、ニューラルネットワークの数学モデルの係数を作成または更新させる。具体的には、当該学習によってニューラルネットワークの数学モデルの係数を定めることで、ユーザがどのような覚醒度の状態で、どのような環境下において、どのように環境を変化させた場合に、ユーザの覚醒度がどのように変化するか、ということをＮＮ処理部８２が学習することになる。
　ステップＳ２０では、ＮＮ処理部８２が、ステップＳ１９で定めた数学モデルの係数を、数学モデル係数データ部７３に格納する（係数データを更新させる）。
　ステップＳ２１では、改めて、把握部６０が各種情報を把握する。具体的には、室内の気温と、二酸化炭素濃度と、芳香剤濃度と、現状覚醒度と、目標覚醒度変化分（ΔA）と、をそれぞれ把握する。
　ステップＳ２２では、ＮＮ処理部８２が、数学モデル係数データ部７３に格納されている係数データを用いてニューラルネットワークの数学モデルを構築する。そして、ＮＮ処理部８２は、室内の気温と二酸化炭素濃度と芳香剤濃度と現状覚醒度と目標覚醒度変化分（ΔA）とを入力として、ニューラルネットワークの演算処理を実行することで、ステップＳ２１で把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを複数種類出力する。
　ステップＳ２３では、除外処理部９１が、ステップＳ２２でＮＮ処理部８２が出力した複数種類の制御計画の中から、除外条件を満たすものを見つけ出して除外する。
　ステップＳ２４では、選択実行部９２が、ＮＮ処理部８２が出力し、除外処理部９１による除外処理を終えて残った複数種類の制御計画の中から１つの制御計画を選択する。ここでは、選択実行部９２はローテーションによって１つの制御計画を選択する。
　ステップＳ２５では、選択実行部９２が、ステップＳ２４で選択した制御計画を実行し、空気調和装置１０、換気装置２０、アロマディフューザ３０の制御を行うことで、室内環境を変化させる。
　ステップＳ２６では、選択実行部９２が、ステップＳ２５における制御計画の開始から所定時間が経過したか否かを判断する。ここで、所定時間経過したと判断された場合にはステップＳ２７に移行し、経過していないと判断された場合には経過まで待機する。なお、ここでの所定時間はステップＳ１５と同様である。
　ステップＳ２７では、選択実行部９２が、ステップＳ２５による制御計画の実行前に現状覚醒度把握部６４が把握していた現状覚醒度と、ステップＳ２５による制御計画を所定時間の実行した後に現状覚醒度把握部６４が把握する現状覚醒度と、を比較して覚醒度の変化分を把握する。
　ステップＳ２８では、選択実行部９２が、ステップＳ２５で実行した制御計画の情報と、ステップＳ２７で把握した覚醒度の変化分と、を対応づけて、学習データ蓄積部７５に格納する。
　ステップＳ２９では、選択実行部９２は、最後に学習を行った後に学習データ蓄積部７５に格納されたデータの数（制御計画の情報と覚醒度の変化分との組の数）が所定数以上に至っているか否かを判断する。ここで、データ数が所定数以上となっていると判断された場合にはステップＳ１９に移行して改めて学習を行う。また、データ数が所定数未満であると判断された場合にはステップＳ２１に戻って上記処理を繰り返し、学習データの蓄積分を増やす。
　（４）実施形態の特徴
　（４－１）
　本実施形態の環境設備制御装置１００は、初期処理部８１が初期制御計画データを参酌するだけで目標覚醒度変化分（ΔA）に応じた複数の制御計画を出力することができる。また、ＮＮ処理部８２は、数学モデル係数データを用いて構築される数学モデルを有しているニューラルネットワークの演算処理を実行するだけで、複数の制御計画を出力することができる。そして、このようにして出力された複数の制御計画は、各制御計画同士が比較検討されることなく、選択実行部９２によって単純なローテーションにしたがって１つの制御計画が選択され、実行される。
　したがって、１つの制御計画が選択されて実行されるまでの間に、各環境設備の制御によってユーザが受ける影響（覚醒度の影響）の相殺効果や相乗効果についての検討判断するための演算処理が都度行われていないため、演算負荷を低減させて、迅速に１つの制御計画を選択して、実行することが可能になっている。したがって、ユーザが希望する覚醒度となるような各環境設備の制御をリアルタイムで行うことが可能になり、早期にユーザが希望する覚醒度を実現させることが可能になる。
　そして、環境設備制御装置１００は、実行した制御計画と、その制御計画を実行したことによるユーザの覚醒度の変化と、の組から構成される複数の学習データを用いて学習を行い、ニューラルネットワークの数学モデルの係数を更新させることで、環境設備の制御によって相殺効果や相乗効果や馴れを含めた結果としてユーザの覚醒度が変化する傾向が反映された数学モデルを構築させることが可能になる。以上により、学習を継続させるほど、ユーザの覚醒度の傾向が正確に反映された制御計画をニューラルネットワークの演算処理によって出力することが可能になる。
　（４－２）
　本実施形態の環境設備制御装置１００は、除外処理部９１が、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中から、ユーザが望まない制御計画を除外している。このため、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中に、ユーザが望まない制御計画が含まれていたとしても、当該ユーザが望まない制御計画が実行されてしまうことを避けることが可能になる。
　（４－３）
　本実施形態の環境設備制御装置１００は、互いに異なる種類の環境設備である空気調和装置１０、換気装置２０、アロマディフューザ３０を、同じ指標である覚醒度を統一的に用いて制御することができている。すなわち、空気調和装置１０の制御の指標として温度を用いてアロマディフューザ３０の制御の指標として芳香濃度を用いる等というように環境設備毎に異なる指標を用いて制御を行うのではなく、各環境設備の制御において覚醒度という統一した指標を用いている。このため、各環境設備の制御を変更した場合において、異なる指標への影響を複雑に検討するのではなく、統一的な指標である覚醒度への影響をシンプルに検討することが可能になっている。
　また、各環境設備の制御において、温度や芳香濃度のようなユーザによって感覚が異なる指標を用いるのではなく、覚醒度という統一した指標を用いているため、ユーザ毎の感覚の相違を小さく抑えることが可能になっている。特に、上記実施形態では、覚醒度そのものだけではなく、覚醒度の変化量を含む学習データを用いて学習が行われ、ＮＮ処理部８２が有する数学モデルの係数として反映されている。したがって、ユーザ毎の覚醒度の変化の個人差も小さく抑えることが可能になっている。以上により、学習を所定量以上行ったＮＮ処理部８２が有する情報（係数を含む数学モデルの情報）は、汎用性の高い情報となっており、本実施形態の環境設備制御装置１００以外の他のユーザに対して用いられる装置においても、流用した場合にも一定の効果を得やすい。
　（４－４）
　本実施形態の環境設備制御装置１００では、各環境設備による複数種類の制御計画の中から、任意の１つが選択されて実行されている。特に、本実施形態では、特定の環境設備に特化した制御計画のみが選択されて実行され続けるのではなく、ローテーションによって任意の１つの制御計画が選択されて実行されている。
　したがって、制御計画が実行されることでユーザに与えられる環境変化は、温度変化等の特定の種類の環境変化だけに限られず、二酸化炭素濃度の変化や、芳香濃度の変化や、これらの変化の組合せ等の様々な環境変化を供給することができる。
　これにより、ユーザが同じ種類の環境変化の供給を受け続けることで、当該同じ種類の環境変化に対する覚醒度の変化が鈍化すること（例えば、環境変化として温度変化ばかりが続けて実行される場合にユーザが温度変化に慣れてくること）を小さく抑えることが可能になる。
　以上により、環境設備制御装置１００が制御計画を実行した場合のユーザの覚醒度の変化を十分に確保し続けることが可能になり、ユーザの覚醒度を十分に改善させることも可能となる。
　（４－５）
　本実施形態の環境設備制御装置１００では、リモコン５０が受け付けたユーザがこれから行う作業の複雑度に関する情報を用いて、目標とする覚醒度を把握している。
　ここで、作業の複雑度が基準複雑度以上である場合には、いたずらに高い目標覚醒度を設定するのではなく、予め定めた特定の覚醒度を目標覚醒度として設定している。
　このため、作業の複雑度が基準複雑度以上である場合において、ユーザの現状の覚醒度が予め定めた特定の目標覚醒度を超えた過剰な覚醒状態にある場合には、ユーザの覚醒度を積極的に低下させるような（積極的にリラックスさせるような）制御計画が環境設備制御装置１００によって選択されて実行されることになる。
　このように、環境設備制御装置１００では、ユーザが行う作業の複雑度に応じて、作業効率が良好となる覚醒度を実現させるための環境を提供することが可能になっている。
　（５）変形例
　上記実施形態では、本発明の実施形態の一例を説明したが、上記実施形態はなんら本願発明を限定する趣旨ではなく、上記実施形態には限られない。本願発明は、その趣旨を逸脱しない範囲で適宜変更した態様についても当然に含まれる。
　また、上記実施形態と以下に記載の複数の変形例は、互いに矛盾しないように適宜組合せるようにしてもよい。
　（５－１）変形例Ａ
　上記実施形態では、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画のうちの１つを、選択実行部９２が単純なローテーションにしたがって選択して実行する場合について例に挙げて説明した。
　しかし、例えば、選択実行部９２は、単純なローテーションにしたがって複数種類の制御計画の１つを選択するのではなく、先に選択して実行した制御計画とは関連性の希薄な制御計画がランダムに（なんら順序に従うことなく）選択されるようにしてもよい。ここで関係性が希薄であるか否かの判断は、特に限定されるものではなく、予め定めた判断基準に応じて判断するようにしてもよい。例えば、前回の制御計画でアロマディフューザ３０が使用されていない（ＯＦＦの状態としていた）場合には、続いて選択する制御計画ではアロマディフューザ３０が使用される（ＯＮの状態となる）制御計画を優先的に選択するようにしてもよい。
　このように、関係性が希薄な制御計画を選択して実行させることで、学習データとして大きく性質が異なるデータを集めることができるため、学習効率を高め、より迅速に、ユーザの覚醒度の傾向を反映した数学モデルを構築することができるようになる。
　（５－２）変形例Ｂ
　上記実施形態では、生体センサ４０としての心電図波形センサ４１の検出内容に基づいて、ユーザの心身状態の一例である覚醒度を推定する場合を例に挙げて説明した。
　これに対して、ユーザの心身状態としては、これに限られず、例えば、ユーザの眠気度合い、緊張度合い、発汗度合い、自律神経バランス等の各種情報を用いることができる。なお、これらのユーザの眠気度合いや、緊張度合い、発汗度合い、自律神経バランスの測定や推測は、公知の技術を用いて行うことができる。
　なお、ユーザの心身状態として自律神経バランスを管理評価対象とする場合には、心拍のパターンまたは脈拍のパターンに基づいて算出される交感神経活動度指標（ＬＦ／ＨＦ比）を用いることができる。交感神経活動度指標（ＬＦ／ＨＦ）は、公知の測定装置をユーザに用いることで把握できる。ユーザの心身状態として交感神経活動度指標（ＬＦ／ＨＦ）を用いる場合には、ユーザの交感神経に関する状態として信頼性の高い値を把握することが可能になると共に、当該指標は公知の測定装置を用いて即時把握することが可能なものであるため、ユーザの交感神経活動度指標（ＬＦ／ＨＦ）に応じた環境設備のリアルタイムな制御が可能となる。
　なお、これらの指標は、上記実施形態に記載の例だけでなく各変形例等に記載の例においてもユーザの心身状態を示す指標として用いることができる。
　（５－３）変形例Ｃ
　上記実施形態では、環境設備として空気調和装置１０、換気装置２０、アロマディフューザ３０を例に挙げて説明した。
　しかし、環境設備としては、これらに限られず、例えば、室内の照度を調整してユーザの覚醒度を変えるために照明装置を用いてもよいし、ユーザの覚醒度を変えるためにリズムの異なる複数種類の音楽を提供できるサウンドシステム（スピーカ等を含む）を用いてもよい。照明装置を用いる場合には、ユーザの覚醒度を向上させるために照度を上げ、ユーザの覚醒度を下げるために照度を下げる等の制御を行うことが挙げられる。また、サウンドシステムを用いる場合には、ユーザの覚醒度を向上させるためにテンポの速い音楽をながし、ユーザの覚醒度を下げるためにテンポの遅い音楽をながす等の制御を行うことが挙げられる。
　また、上記実施形態では、換気装置２０やアロマディフューザ３０は、単純にＯＮ/ＯＦＦ制御される場合を例に挙げて説明したが、換気装置２０については換気風量を制御できるものを用いて換気風量に応じたユーザの覚醒度の調整を行ってもよいし、アロマディフューザ３０については芳香剤の噴射量を制御できるものを用いて噴射量に応じたユーザの覚醒度の調整を行ってもよい。また、アロマディフューザ３０は、ユーザの覚醒度を向上させるための芳香と、ユーザの覚醒度を低下させるための芳香と、を有し、制御計画に応じてその少なくともいずれかを放出するように構成されていてもよい。特に限定されないが、覚醒度を上げるための芳香としては、レモンのアロマを用いることができ、覚醒度を下げるための芳香としては、セドロールを用いることができる。
　また、上記空気調和装置１０において、室内の湿度を制御可能とし、湿度制御によってユーザの覚醒度を調節するようにしてもよい。
　（５－４）変形例Ｄ
　上記実施形態では、除外処理部９１が、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中から、ユーザに適さない制御計画として予め定められた除外条件を満たすものを見つけ出して除外する場合を例に挙げて説明した。
　これに対して、例えば、ユーザが自覚可能な程度の大きな環境変化が選択されて実行されることが無いように、制御計画に含まれる各環境設備の制御内容の現状からの変更幅の上限を定めておき、当該上限を超えるような環状設備の制御が含まれている制御計画が除外されるように除外条件を定めるようにしてもよい。
　これにより、ユーザに自覚させることなく随時制御計画を実行していくことが可能になるため、環境が変化したことを自覚することによるユーザの集中力の低下を抑えつつ、覚醒度を改善させていくことが可能になる。
　また、各環境設備の制御内容の現状からの変更幅が所定の上限を超えるものが出力されることが無いように、上記実施形態における初期処理部８１やＮＮ処理部８２の構成を変えてもよい。
　ここで、ユーザに環境変化を自覚させないための各環境設備の制御内容の現状からの変更幅の上限は、特に限定されないが、予め、ユーザが各環境設備を操作して単位時間当たりの環境の変化程度を徐々に上げていくことで、自身が自覚する環境変化幅を把握し、把握された環境設備毎の環境変化幅を環境設備制御装置１００に入力しておくようにしてもよい。また、個人差が生じにくい環境変化項目については、予め定められた環境設備毎の環境変化幅を環境設備制御装置１００に入力しておくようにしてもよい。
　例えば、空気調和装置１０の設定温度を１℃上げただけではユーザが環境変化を自覚しない場合において、設定温度を２℃上げることでユーザが環境変化を自覚した場合には、設定温度が一度に２℃以上変えられるような制御計画が実行されないように環境設備制御装置１００を構成することになる。
　このように、ユーザに環境変化を自覚させないために、温度や二酸化炭素濃度や芳香濃度等の各環境因子の単位時間当たりの変化幅に上限を設けた場合であっても、上記実施形態によれば、同時に複数種類の環境因子を変化させるような制御計画を実行可能であるため、各環境因子を各上限を超えない範囲で変化させつつもユーザの覚醒度を十分に改善させることが可能になっている。
　（５－５）変形例Ｅ
　上記実施形態では、環境設備制御装置１００による情報表示や音声出力等による報知については特に言及していないが、これを可能とするための、液晶等の表示ディスプレイのような表示部やスピーカ等を有する構成であってもよい。
　（５－６）変形例Ｆ
　上記実施形態では、目標覚醒度変化分を実現させるための制御計画を学習する学習アルゴリズムとしてニューラルネットワークを用いる場合を例に挙げて説明した。
　これに対して、学習アルゴリズムとしては、ニューラルネットワークに限られず、例えば、ディープラーニング、サポートベクターマシン、ベイズ推定等の公知の学習アルゴリズムを用いるようにしてもよい。
　（５－７）変形例Ｇ
　上記実施形態では、複数種類出力される制御計画の中から１つの制御計画を選択する前に、除外条件データ部７４に格納されている除外条件を満たすような制御計画を除外する場合を例に挙げて説明した。
　ここで、除外条件データ部７４に格納されている除外条件を満たすような制御計画としては、例えば、ユーザが過度に不快になってしまう設定温度（例えば、２０℃以下や２８℃以上の設定温度）の制御計画や、現状からの設定温度の変更幅が大きすぎる（例えば、設定温度の現状からの変化幅が±５°以上）制御計画を挙げることができる。ここで、このような除外条件の定め方としては、特に限定されず、例えば、空気調和装置１０の特定の部分（蒸発器以外の部分等）に結露が生じてしまう等のように環境設備にダメージが及ぶことになるような制御計画が除外されるように、または、空気調和装置１０等の環境設備の消費エネルギが所定値以上となって過度になってしまうようなエネルギ効率の悪い制御計画が除外されるように定めてもよい。また、除外条件としては、常時同じ条件である必要は無く、状況に応じて異なる条件が適用されるようにしてもよい。例えば、外気温度が所定値より高い時期（例えば、夏期）についての除外条件（例えば、設定温度が２４℃以下のものを除外する条件）と、外気温度が所定値より低い時期（例えば、冬季）についての除外条件（例えば、設定温度が２４℃以上のものを除外する条件）と、が異なるものとなるように定められていてもよい。
　また、ユーザが自身の嗜好に合わせてリモコン６０等を用いて設定入力できるように環境設備制御装置１００を構成することで、当該設定入力された除外条件が除外条件データ部７４に格納されるようにしてもよい。例えば、アロマディフューザ３０による芳香の種類の中にはユーザによっては受け付けがたい種類の芳香が存在するため、ユーザが、自身の嫌う種類の芳香が用いられる制御計画が排除されるように入力することで、当該特定の芳香が用いられる制御計画が除外条件を満たすこととなるようにしてもよい。また、選択実行部９２が制御計画を実行させることでユーザが存在する環境が変化している最中に（例えば、制御計画開始から所定時間以内に）、ユーザからの現在実行中の制御計画を好まない旨の指示（例えば、現在実行中の制御計画の内容を中止又は変更させる指示等）をリモコン６０等を介して環境設備制御装置１００が受信した場合には、当該現在実行中の制御計画が除外条件を満たすものとして除外条件データ部７４が上書きされるようにしてもよい。以上のようにユーザの嗜好を反映させる手段としては、リモコン６０を用いた入力に限られず、スマートフォンや無線スイッチ等のユーザ端末を用いるようにしてもよい。
　（６）その他
　（６－１）その他Ａ
　上記実施形態では、ユーザの心身状態を表す指標として覚醒度を用い、生体センサ４０を介してユーザから得られる情報を用いて覚醒度を推定することで、目標となる覚醒度を実現するために環境設備の制御を行う場合を例に挙げて説明した。
　これに対して、ユーザの生産性を客観的に示すことができる場合には、環境設備の制御を行う際の指標として覚醒度等のユーザの心身状態を示す指標を用いる代わりに、ユーザの生産性を数値化させたものを用いるようにしてもよい。
　ここで、ユーザの生産性を数値化させたものとしては、特に限定されないが、例えば、情報入力作業を行うユーザにおける単位時間当たりの入力情報量、学習塾の生徒であるユーザにおけるテストの点数、ユーザであるプログラマーの単位時間当たりの作成プログラム量（プログラム行数等）、ユーザであるコールセンターの担当員における単位時間当たりの対応人数等を挙げることができる。
　このような生産性を数値化したものを指標として用いる場合においても、上記実施形態における覚醒度の代わりに、生産性を数値化したものを用いることによって同様の効果を得ることが可能である。すなわち、現状の生産性と目標とする生産性との差分を実現するような環境設備の制御計画を選択して実行し、学習させることで、上記実施形態と同様の効果を得ることが可能になる。
　（６－２）その他Ｂ
　一般に、人間にとって暑くもなく寒くもなく快適に感じる気温である中立温度という概念があり、当該中立温度は直近の過去の外気温度の推移に影響を受けることが知られている。すなわち、直近の過去について外気温が高い環境が続いた場合では、人間の体は高い気温に順応して慣れてくる。また、直近の過去について外気温が低い環境が続いた場合には、人間の体は低い気温に順応して慣れてくる。このため、例えば、高い気温に慣れた感覚を持つユーザに対するある環境変化が与える影響と、そのような高い気温に慣れていない感覚を持つユーザに対する同じある環境変化が与える影響とは、異なる場合があり、ユーザの覚醒度等の心身状態や生産性等に与える影響も異なってくる場合がある。
　このような過去の履歴情報に基づいてユーザの覚醒度等の心身状態や生産性等が目標となる状態に近づけることができるように、環境設備制御装置が、複数の環境設備を制御できることが望まれる。
　これに対して、ユーザが存在する空間の環境を、環境設備を用いて制御する環境設備制御装置において、過去の直近の所定直前期間における環境情報である直近過去環境情報を取得し、この直近過去環境情報に応じて環境設備の制御内容を変えることにより、ユーザの覚醒度等の心身状態や生産性等を目標となる状態に近づけることが可能となる。具体的には、把握部によって、ユーザの覚醒度等の心身状態や生産性等に関連する現状値とその目標値と直近過去環境情報とを把握し、ユーザの覚醒度等の心身状態や生産性等に関連する現状値を目標値に近づけることができる環境設備の制御内容を特定する際に、直近過去環境情報に基づいた特定を行う。より具体的には、例えば、環境設備として空気調和装置が用いられ、直近過去環境情報として過去の直近の所定期間におけるユーザが存在した空間の温度が把握されている場合において、当該過去の直近の温度が高い状態（所定温度よりも高い状態）が続いていた場合には低い状態（所定温度よりも低い状態）が続いていた場合よりも、空気調和装置の設定温度を下げることによるユーザの覚醒度の向上が顕著になるという傾向を踏まえて、設定温度を特定するようにしてもよい。
　また、このような覚醒度等と中立温度との関係は、覚醒度等と中立二酸化炭素濃度との関係においても適用することができる。また、環境設備として照明機器を用いる場合においては、覚醒度等と中立照度との関係においても適用することができる。この場合には、人間が受ける明るさや暗さの感覚に対して直近の数分間における照度の履歴が与える影響を考慮して、ユーザの覚醒度等をより正確に制御することが可能になる。このため、環境設備としては、空気調和装置に限られず、照明装置やアロマディフューザや換気装置やサウンドシステムおよびこれらの組合せを用いることができる。ここで、照明装置に関しては、過去の直近のユーザ周りの明るさ（照度等）を環境情報として用いてもよいし、アロマディフューザに関しては、過去の直近のユーザ周りのアロマの種類や濃度を環境情報として用いてもよいし、換気装置に関しては、過去の直近のユーザ周りの二酸化炭素濃度を環境情報として用いてもよいし、サウンドシステムに関しては、過去の直近のユーザ周りの音の大きさを環境情報として用いてもよい。また、過去の直近の所定直前期間の長さは、環境設備の種類に応じて異なるように特定してもよい。具体的には、空気調和装置の設定温度との関係では、過去の直近の所定直前期間の長さを１週間程度としてもよいし、照明装置の照度との関係では、過去の直近の所定直前期間の長さを数分程度としてもよい。
　なお、上記実施形態では、初期制御計画データ部７２において、目標覚醒度変化分（ΔA）の値に応じて、各環境設備の制御計画の組み合わせである初期制御計画データが複数種類、予め定められている場合を例に挙げて説明したが、これに上述の中立温度の考え方を適用し、例えば、上記実施形態で述べた空気調和装置１０による室内の温度の制御において、複数の制御計画の出力や制御計画の除外の処理を行う場合に、ユーザが感じる暑さや寒さに影響を与える過去の所定期間（例えば、最近１週間）の外気温度の履歴を反映させるようにしてもよい。これにより、人間が受ける暑さや寒さの感覚に対して最近の外気温度の履歴が与える影響を踏まえた、ユーザの覚醒度等のより正確な制御が可能になる。ここで、外気温度を、地域別、季節別に分けて記憶したり、中立温度を直接記憶することで、ユーザの覚醒度等に与える影響を学習させるようにしてもよい。
　　１　環境設備制御装置
　１０　空気調和装置（環境設備、温度を調節する装置、湿度を調節する装置）
　２０　換気装置（環境設備、二酸化炭素濃度を調節する装置）
　３０　アロマディフューザ（環境設備、芳香を提供する装置）
　４０　生体センサ
　４１　心電図波形センサ
　５０　リモコン
　６０　把握部
　６１　温度把握部（把握部）
　６２　二酸化炭素濃度把握部（把握部）
　６３　芳香濃度把握部（把握部）
　６４　現状覚醒度把握部（把握部）
　６５　目標覚醒度把握部（把握部）
　６６　目標覚醒度変化分把握部（把握部）
　７０　記憶部
　７１　覚醒度対比データ部
　７２　初期制御計画データ部
　７３　数学モデル係数データ部
　７４　除外条件データ部
　７５　学習データ蓄積部
　８０　学習制御計画出力手段
　８１　初期処理部（学習制御計画出力手段）
　８２　ＮＮ処理部（学習制御計画出力手段）
　９０　選択制御部
　９１　除外処理部（選択制御部）
　９２　選択実行部
１００　環境設備制御装置
特開２０１１－１０１７４６号公報

Claims (6)

  1. 　複数種類の環境設備（１０、２０、３０）の制御を行うための環境設備制御装置（１）であって、
    　ユーザの現状の心身状態に関する現状心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する把握部（６０、６１、６２、６３、６４、６６）と、
    　前記現状心身状態情報と前記環境状況情報と前記目標関係情報とに応じて複数種類の前記環境設備の組み合わせ毎の制御変更計画を出力する学習制御計画出力手段（８０、８１、８２）と、
    　前記学習制御計画出力手段によって出力された複数の前記制御変更計画から、予め定められた除外条件を満たすものを除外した後に、所定条件に基づいて１つの前記制御変更計画を選択して実行する選択制御部（９０、９２）と、
    を備え、
    　前記学習制御計画出力手段は、前記選択制御部が選択した前記制御変更計画を実行することによって変化した前記ユーザの心身状態を用いて、前記出力させる前記制御変更計画の特定方法を更新させるように学習する、
    環境設備制御装置（１）。
  2. 　前記ユーザの心身状態は、前記ユーザの覚醒度である、
    請求項１に記載の環境設備制御装置。
  3. 　前記学習制御計画出力手段（８２）は、ニューラルネットワークを用いた演算手段である、
    請求項１または２に記載の環境設備制御装置。
  4. 　前記選択制御部（９０）は、前記学習制御計画出力手段によって出力された複数の前記制御変更計画から１つの前記制御変更計画を選択する場合に、複数種類の前記環境設備の組み合わせパターンをローテーションさせながら選択する、
    請求項１から３のいずれか１項に記載の環境設備制御装置。
  5. 　前記複数種類の環境設備には、少なくとも、温度を調節する装置（１０）、湿度を調節する装置（１０）、二酸化炭素濃度を調節する装置（２０）、芳香を提供する装置（３０）、照明を調整する装置、音響を調整する装置の少なくともいずれか２つ以上が含まれる、
    請求項１から４のいずれか１項に記載の環境設備制御装置。
  6. 　前記学習制御計画出力手段は、前記学習が行われる前の初期の前記現状心身状態情報と前記環境状況情報と前記目標関係情報とに応じた複数種類の前記環境設備の組み合わせ毎の初期の制御変更計画を出力可能に有している、
    請求項１から５のいずれか１項に記載の環境設備制御装置。
PCT/JP2018/027667 2017-07-26 2018-07-24 環境設備制御装置 WO2019022066A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
US16/621,345 US11906186B2 (en) 2017-07-26 2018-07-24 Environmental equipment control apparatus
EP18838981.1A EP3660413B1 (en) 2017-07-26 2018-07-24 Environmental equipment control device
AU2018306059A AU2018306059B2 (en) 2017-07-26 2018-07-24 Environmental equipment control apparatus
JP2019532631A JP6760506B2 (ja) 2017-07-26 2018-07-24 環境設備制御装置
ES18838981T ES2923437T3 (es) 2017-07-26 2018-07-24 Dispositivo de control de equipos ambientales
CN201880038350.3A CN110753820B (zh) 2017-07-26 2018-07-24 环境设备控制装置
PH12020500155A PH12020500155A1 (en) 2017-07-26 2020-01-21 Environmental equipment control apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-144974 2017-07-26
JP2017144974 2017-07-26

Publications (1)

Publication Number Publication Date
WO2019022066A1 true WO2019022066A1 (ja) 2019-01-31

Family

ID=65040062

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/027667 WO2019022066A1 (ja) 2017-07-26 2018-07-24 環境設備制御装置

Country Status (8)

Country Link
US (1) US11906186B2 (ja)
EP (1) EP3660413B1 (ja)
JP (1) JP6760506B2 (ja)
CN (1) CN110753820B (ja)
AU (1) AU2018306059B2 (ja)
ES (1) ES2923437T3 (ja)
PH (1) PH12020500155A1 (ja)
WO (1) WO2019022066A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110864414A (zh) * 2019-10-30 2020-03-06 郑州电力高等专科学校 基于大数据分析的空调用电负荷智能控制调度方法
JP2021016137A (ja) * 2019-07-16 2021-02-12 株式会社Ｌｉｘｉｌ 支援システム、制御装置、及び制御プログラム
WO2021028967A1 (ja) * 2019-08-09 2021-02-18 三菱電機株式会社 制御システム、サーバ、機器、制御方法およびプログラム

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11477870B2 (en) * 2017-09-28 2022-10-18 Daikin Industries, Ltd. Environmental control equipment control apparatus for controlling target space
KR102679466B1 (ko) * 2018-12-11 2024-07-01 현대자동차주식회사 차량 및 그 제어방법
US20220065488A1 (en) * 2019-02-06 2022-03-03 Panasonic Intellectual Property Management Co., Ltd. Air conditioning system and control unit
CN111219840B (zh) * 2019-11-27 2021-09-21 珠海格力电器股份有限公司 一种超低温制冷控制方法、装置及空调设备
EP4241154A1 (en) * 2020-11-03 2023-09-13 HSIGN S.r.l. Wellness and productivity computer accessory device

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005127690A (ja) * 2003-09-30 2005-05-19 Daikin Ind Ltd エリア別環境提供システム、エリア別環境管理システム及び環境提供装置
JP2007167105A (ja) * 2005-12-19 2007-07-05 Olympus Corp 心身相関データ評価装置及び心身相関データ評価方法
JP2011101746A (ja) 2009-11-11 2011-05-26 Takenaka Komuten Co Ltd 作業環境制御システム、作業環境制御方法、及び作業環境制御プログラム
JP2014234934A (ja) * 2013-05-31 2014-12-15 学校法人東海大学 体感温度制御システム
WO2015107607A1 (ja) * 2014-01-14 2015-07-23 パナソニックＩｐマネジメント株式会社 環境制御システム、制御装置、プログラム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372015A (en) * 1991-07-05 1994-12-13 Kabushiki Kaisha Toshiba Air conditioner controller
JP3349609B2 (ja) * 1994-12-22 2002-11-25 ヤマハ発動機株式会社 作業の適正化システム及びその装置
JPH10289006A (ja) * 1997-04-11 1998-10-27 Yamaha Motor Co Ltd 疑似感情を用いた制御対象の制御方法
JPH1165422A (ja) * 1997-08-22 1999-03-05 Omron Corp 作業者の心身状態評価方法，機器を用いた作業の作業内容制御方法及び作業内容制御システム
JP4100002B2 (ja) * 2002-02-22 2008-06-11 株式会社豊田中央研究所 心身状態維持装置
US7477934B2 (en) * 2004-06-29 2009-01-13 Polar Electro Oy Method of monitoring human relaxation level, and user-operated heart rate monitor
JP4954879B2 (ja) 2005-07-11 2012-06-20 パナソニック株式会社 環境制御装置、環境制御方法、環境制御プログラム及び環境制御プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2007285579A (ja) * 2006-04-14 2007-11-01 Toshiba Corp 空調制御装置
JP2009266482A (ja) * 2008-04-23 2009-11-12 Takenaka Komuten Co Ltd 生理情報対応型の照明制御システム
US9020647B2 (en) * 2009-03-27 2015-04-28 Siemens Industry, Inc. System and method for climate control set-point optimization based on individual comfort
JP2011118293A (ja) * 2009-12-07 2011-06-16 Npo Life Management Center 計画実行支援システム
US9298985B2 (en) * 2011-05-16 2016-03-29 Wesley W. O. Krueger Physiological biosensor system and method for controlling a vehicle or powered equipment
US9504386B2 (en) * 2011-10-20 2016-11-29 International Business Machines Corporation Controlling devices based on physiological measurements
US9501049B2 (en) * 2014-03-18 2016-11-22 Fujitsu Limited Dynamic environment adaptation
CN107427230A (zh) 2015-02-05 2017-12-01 Mc10股份有限公司 用于与环境相互作用的方法和系统
US20160320081A1 (en) * 2015-04-28 2016-11-03 Mitsubishi Electric Research Laboratories, Inc. Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services
JP6090382B2 (ja) * 2015-07-31 2017-03-08 ダイキン工業株式会社 空調制御システム
CN204810631U (zh) * 2015-07-31 2015-11-25 浙江嘉乐智能技术有限公司 一种led调光调色温电路
KR102587452B1 (ko) * 2015-12-09 2023-10-11 삼성전자주식회사 생체 정보에 기반하여 장비를 제어하는 기법
JP6059375B1 (ja) * 2016-02-09 2017-01-11 ファナック株式会社 生産制御システムおよび統合生産制御システム
JP2018077757A (ja) * 2016-11-11 2018-05-17 横河電機株式会社 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005127690A (ja) * 2003-09-30 2005-05-19 Daikin Ind Ltd エリア別環境提供システム、エリア別環境管理システム及び環境提供装置
JP2007167105A (ja) * 2005-12-19 2007-07-05 Olympus Corp 心身相関データ評価装置及び心身相関データ評価方法
JP2011101746A (ja) 2009-11-11 2011-05-26 Takenaka Komuten Co Ltd 作業環境制御システム、作業環境制御方法、及び作業環境制御プログラム
JP2014234934A (ja) * 2013-05-31 2014-12-15 学校法人東海大学 体感温度制御システム
WO2015107607A1 (ja) * 2014-01-14 2015-07-23 パナソニックＩｐマネジメント株式会社 環境制御システム、制御装置、プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3660413A4

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021016137A (ja) * 2019-07-16 2021-02-12 株式会社Ｌｉｘｉｌ 支援システム、制御装置、及び制御プログラム
WO2021028967A1 (ja) * 2019-08-09 2021-02-18 三菱電機株式会社 制御システム、サーバ、機器、制御方法およびプログラム
JPWO2021028967A1 (ja) * 2019-08-09 2021-02-18
JP7483104B2 (ja) 2019-08-09 2024-05-14 三菱電機株式会社 制御システム
JP7515991B2 (ja) 2019-08-09 2024-07-16 三菱電機株式会社 制御システム、機器および制御方法
CN110864414A (zh) * 2019-10-30 2020-03-06 郑州电力高等专科学校 基于大数据分析的空调用电负荷智能控制调度方法
CN110864414B (zh) * 2019-10-30 2021-09-24 郑州电力高等专科学校 基于大数据分析的空调用电负荷智能控制调度方法

Also Published As

Publication number Publication date
AU2018306059B2 (en) 2021-03-11
PH12020500155A1 (en) 2020-09-14
EP3660413B1 (en) 2022-06-29
CN110753820A (zh) 2020-02-04
AU2018306059A1 (en) 2020-01-16
JPWO2019022066A1 (ja) 2020-07-02
CN110753820B (zh) 2021-08-10
JP6760506B2 (ja) 2020-09-23
US11906186B2 (en) 2024-02-20
ES2923437T3 (es) 2022-09-27
EP3660413A4 (en) 2021-04-07
US20200208867A1 (en) 2020-07-02
EP3660413A1 (en) 2020-06-03

Similar Documents

Publication Publication Date Title
WO2019022066A1 (ja) 環境設備制御装置
JP6784282B2 (ja) 環境設備制御装置および環境設備制御システム
US20170123442A1 (en) System and Method of Smart and Energy-Saving Environmental Control
WO2015107607A1 (ja) 環境制御システム、制御装置、プログラム
JP7034382B2 (ja) 環境制御システムおよび環境制御方法
WO2019022079A1 (ja) 環境設備制御装置
US20220065485A1 (en) Environmental control system and environmental control method
CN113639449B (zh) 用于空调器控制的方法及装置、空调器
JP2011101746A (ja) 作業環境制御システム、作業環境制御方法、及び作業環境制御プログラム
US20220137567A1 (en) Arousal level control apparatus, arousal level control method, and recording medium
CN111133256B (zh) 环境控制单元的控制装置
JP2019190767A (ja) 環境制御システム及び環境制御装置
CN109999310A (zh) 光源和声源的组合控制方法、装置和计算机可读存储介质
JP7315812B2 (ja) 環境設備制御システムの制御装置
JP2021135000A (ja) 快眠住環境支援システム
JP7295372B2 (ja) 環境制御手段の制御装置
CN109073253B (zh) 环境调节方法、及服务器
CN115857366A (zh) 睡眠环境调节方法、装置、存储介质及电子设备
RU2566077C1 (ru) Способ управления динамическим освещением

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: 18838981

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018306059

Country of ref document: AU

Date of ref document: 20180724

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2019532631

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018838981

Country of ref document: EP

Effective date: 20200226