WO2021130960A1 - 空調制御装置、空調システム、空調方法及びプログラム - Google Patents

Abstract

空調制御装置（３０）は、空調機（４０）による室内空間の空調を制御する。気象データ取得部（３１０）は、気象データを取得する。温度分布取得部（３２０）は、室内空間の温度分布を取得する。人情報取得部（３３０）は、室内空間における人に関する人情報を取得する。推定部（３５０）は、気象データ取得部（３１０）により取得された気象データと、温度分布取得部（３２０）により取得された温度分布と、人情報取得部（３３０）により取得された人情報と、の入力を受けて、室内空間に生じる熱負荷の分布を推定した推定情報を出力する。空調制御部（３６０）は、推定部（３５０）により出力された推定情報の入力を受けて、空調機（４０）に室内空間を空調させる空調制御信号を出力する。

Description

空調制御装置、空調システム、空調方法及びプログラム

　本発明は、空調制御装置、空調システム、空調方法及びプログラムに関する。

　空調対象の室内空間に生じる熱負荷を予測する技術が知られている。例えば、特許文献１は、空調熱源設備の熱負荷を予測する熱負荷予測装置を開示している。具体的に説明すると、特許文献１に開示された熱負荷予測装置は、空調熱源設備の熱負荷、建物外部環境及び建物内部環境についての対象時間帯以前の実績データと、建物外部環境及び建物内部環境についての対象時間帯の予測データと、熱負荷予測モデルと、に基づいて、対象時間帯の熱負荷を予測する。また、特許文献１に開示された熱負荷予測装置は、実績データを利用して熱負荷予測モデルの学習を行う。

特開２００６－２９６０７号公報

　特許文献１に開示された熱負荷の予測手法は、建物内における熱負荷の位置による違いを考慮するものではない。これに対して、室内空間に生じる熱負荷をより精度良く推定して室内空間を適切に空調し、快適性を向上させたい、との要望がある。

　本発明は、上述のような課題を解決するためになされたものであり、室内空間を適切に空調して快適性を向上させることが可能な空調制御装置等を提供することを目的とする。

　上記目的を達成するため、本発明に係る空調制御装置は、
　空調機による室内空間の空調を制御する空調制御装置であって、
　気象データを取得する気象データ取得手段と、
　前記室内空間の温度分布を取得する温度分布取得手段と、
　前記室内空間における人に関する人情報を取得する人情報取得手段と、
　前記気象データ取得手段により取得された前記気象データと、前記温度分布取得手段により取得された前記温度分布と、前記人情報取得手段により取得された前記人情報と、の入力を受けて、前記室内空間に生じる熱負荷の分布を推定した推定情報を出力する推定手段と、
　前記推定手段により出力された前記推定情報の入力を受けて、前記空調機に前記室内空間を空調させる空調制御信号を出力する空調制御手段と、を備える。

　本発明は、気象データ、室内空間の温度分布、及び室内空間における人に関する人情報を取得し、取得した気象データ、温度分布及び人情報に基づいて室内空間に生じる熱負荷の分布を推定し、推定された熱負荷の分布に基づいて空調機に室内空間を空調させる。従って、本発明によれば、室内空間を適切に空調して快適性を向上させることができる。

本発明の実施の形態１に係る空調システムの全体構成を示すブロック図 実施の形態１に係る空調システムにより空調される室内空間を示す図 実施の形態１に係る撮影装置のハードウェア構成を示すブロック図 実施の形態１に係る空調制御装置のハードウェア構成を示すブロック図 実施の形態１に係る空調システムの機能的な構成を示すブロック図 実施の形態１における気象ＤＢの例を示す図 実施の形態１において赤外線で撮影された室内空間の撮影画像の例を示す図 実施の形態１における温度ＤＢの例を示す図 実施の形態１における在室ＤＢの例を示す図 実施の形態１において外気温及び室内空間の壁温度の時間変化の例を示す図 実施の形態１において室内空間内の熱負荷の分布の例を示す図 実施の形態１に係る空調制御装置によって実行される空調制御処理の流れを示すフローチャート 実施の形態１に係る空調制御装置によって実行される第１の撮影処理の流れを示すフローチャート 実施の形態１に係る空調制御装置によって実行される第２の撮影処理の流れを示すフローチャート

　以下、本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中同一又は相当部分には同一符号を付す。

　（実施の形態１）
　図１に、実施の形態１に係る空調システム１の全体構成を示す。空調システム１は、空調対象の空間を空調する設備である。空調とは、空調対象の空間の空気の温度、湿度、清浄度又は気流等を調整することであって、具体的には、暖房、冷房、除湿、加湿、空気清浄等である。

　図１に示すように、空調システム１は、空調制御システム１０と、複数の空調機４０と、を備える。ここで、空調制御システム１０は、複数の撮影装置２０と、空調制御装置３０と、を備える。また、複数の空調機４０のそれぞれは、室内空間２の外部に設置される室外機４１と、室内空間２の内部に設置される室内機４２と、を備える。

　図２に、空調システム１による空調対象の空間である室内空間２を示す。室内空間２は、例えば戸建て住宅、集合住宅、オフィスビル、工場等における一室である。複数の室内機４２及び複数の撮影装置２０のそれぞれは、一例として、室内空間２の天井に設置されている。また、室内空間２には、複数の照明５、人が出入りする出入り口、及び窓が設けられている。

　複数の撮影装置２０のそれぞれは、赤外線カメラを備えており、赤外線カメラにより室内空間２を撮影することで室内空間２における熱分布を示す熱画像を取得する。室内空間２には、１つの室内機４２に対して１つの撮影装置２０が設置されている。図２の例では、各撮影装置２０は、対応する室内機４２における空調空気の吹き出し口の近傍に設置されており、対応する室内機４２により空調されるエリアを撮影する。

　図３に示すように、各撮影装置２０は、制御部２１と、記憶部２２と、撮影部２３と、回転駆動部２４と、通信部２５と、を備える。これら各部は通信バスを介して接続されている。

　制御部２１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）を備える。ＣＰＵは、中央処理装置、中央演算装置、プロセッサ、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital Signal Processor）等とも呼び、撮影装置２０の制御に係る処理及び演算を実行する中央演算処理部として機能する。制御部２１において、ＣＰＵは、ＲＯＭに格納されているプログラム及びデータを読み出し、ＲＡＭをワークエリアとして用いて、撮影装置２０を統括制御する。

　また、制御部２１は、ＤＳＰ、ＧＰＵ（Graphics Processing Unit）等の画像処理用のプロセッサと、処理される画像を一時的に保存するバッファメモリと、を備える。制御部２１は、周知の画像処理の手法を用いて、撮影部２３により得られた撮影画像を処理する。

　記憶部２２は、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）等の不揮発性の半導体メモリを備えており、いわゆる二次記憶装置又は補助記憶装置としての役割を担う。記憶部２２は、制御部２１が各種処理を行うために使用するプログラム及びデータを記憶する。また、制御部２１が各種処理を行うことにより生成又は取得するデータを記憶する。

　撮影部２３は、室内空間２を撮影することにより、室内空間２内の様子を表す撮影画像を取得する。具体的に説明すると、撮影部２３は、赤外線で室内空間２を撮影する赤外線カメラを備える。赤外線カメラは、赤外線を集光するレンズ、レンズによる集光位置に配置された撮像素子、撮像素子により得られた画像を表す電気信号をデジタルデータに変換するＡ／Ｄ（Analog/Digital）変換器等を含む。撮影部２３は、赤外線カメラにより室内空間２を撮影することにより、室内空間２の温度分布を表す熱画像を取得する。撮影部２３は、撮影手段として機能する。

　回転駆動部２４は、モータ、アクチュエータ等の駆動部材を備えており、撮影部２３を回転させてその光軸の向きを変化させる。具体的に説明すると、回転駆動部２４は、撮影部２３を鉛直方向の回転軸の周りに回転させる。これにより、回転駆動部２４は、撮影部２３に室内空間２における広い範囲を撮影させる。回転駆動部２４は、回転駆動手段として機能する。

　通信部２５は、空調制御装置３０と通信するための通信インタフェースを備える。通信部２５は、空調制御装置３０との間で有線又は無線により通信可能に接続されており、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ等の周知の通信規格に則って通信する。

　図１に戻って、空調制御装置３０は、複数の空調機４０による室内空間２の空調を制御する装置である。空調制御装置３０は、一例として、室内空間２に存在するユーザにより操作され、各空調機４０に様々な指令を送信するリモコンであって、室内空間２の側壁に設置されている。

　図４に示すように、空調制御装置３０は、制御部３１と、記憶部３２と、ユーザインタフェース３３と、通信部３５と、を備える。これら各部は通信バスを介して接続されている。

　制御部３１は、ＣＰＵ、ＲＯＭ及びＲＡＭを備える。ＣＰＵは、中央処理装置、中央演算装置、プロセッサ、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ等とも呼び、空調制御装置３０の制御に係る処理及び演算を実行する中央演算処理部として機能する。制御部３１において、ＣＰＵは、ＲＯＭに格納されているプログラム及びデータを読み出し、ＲＡＭをワークエリアとして用いて、空調制御装置３０を統括制御する。

　記憶部３２は、フラッシュメモリ、ＥＰＲＯＭ、ＥＥＰＲＯＭ等の不揮発性の半導体メモリを備えており、いわゆる二次記憶装置又は補助記憶装置としての役割を担う。記憶部３２は、制御部３１が各種処理を行うために使用するプログラム及びデータを記憶する。また、記憶部３２は、制御部３１が各種処理を行うことにより生成又は取得するデータを記憶する。

　ユーザインタフェース３３は、タッチパネル、スイッチ、押圧ボタン等の入力部と、ＬＣＤ（Liquid Crystal Display）パネル、有機ＥＬ等の表示部と、を備える。ユーザインタフェース３３は、入力部を介してユーザから操作入力を受け付け、また、表示部を介して表示画像を表示する。

　通信部３５は、複数の撮影装置２０及び複数の空調機４０を含む外部の装置と通信するための通信インタフェースを備える。通信部３５は、各撮影装置２０及び各空調機４０との間で有線又は無線により通信可能に接続されており、有線ＬＡＮ、無線ＬＡＮ等の周知の通信規格に則って通信する。

　図１に戻って、複数の空調機４０のそれぞれは、空調対象の空間である室内空間２を空調する。各空調機４０は、一例として、ＣＯ_２（二酸化炭素）、ＨＦＣ（ハイドロフルオロカーボン）等を冷媒として用いたヒートポンプ式の空調設備である。

　室外機４１と室内機４２とは、図示を省略するが、冷媒が流れる冷媒回路を介して接続されている。室外機４１は、冷媒を圧縮して冷凍回路を循環させる圧縮機と、冷媒回路を流れる冷媒の方向を切り換える四方弁と、冷媒回路を流れる冷媒と室外の空気との間で熱交換を行う室外熱交換器と、冷媒回路を流れる冷媒を減圧して膨張させる膨張弁と、室外の空気を室外熱交換器に送る室外ファンと、を備える。室内機４２は、冷媒回路を流れる冷媒と室内空間２の空気との間で熱交換を行う室内熱交換器と、室内空間２の空気を室内熱交換器に送る室内ファンと、を備える。

　室外機４１と室内機４２とは、いずれもＣＰＵ、ＲＯＭ、ＲＡＭ、通信インタフェース及び読み書き可能な不揮発性の半導体メモリを備えており、空調制御装置３０から送信される空調制御信号に応じて強調動作し、空調装置４０全体を制御する。具体的に説明すると、室外機４１は、圧縮機の駆動周波数、四方弁の切り換え、室外ファンの回転速度、及び、膨張弁の開度を制御する。また、室内機４２は、室内ファンの回転速度を制御する。これにより、室内空間２が空調される。

　次に、図５を参照して、空調制御装置３０の機能的な構成について説明する。空調制御装置３０は、機能的に、気象データ取得部３１０と、温度分布取得部３２０と、人情報取得部３３０と、推定部３５０と、空調制御部３６０と、照明制御部３７０と、を備える。これらの各機能は、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現される。ソフトウェア及びファームウェアは、プログラムとして記述され、ＲＯＭ又は記憶部３２に格納される。そして、ＣＰＵが、ＲＯＭ又は記憶部３２に記憶されたプログラムを実行することによって、これらの各機能を実現する。

　また、空調制御装置３０は、気象ＤＢ（データベース）４１０と、温度ＤＢ４２０と、在室ＤＢ４３０と、を備える。これらは記憶部３２内の適宜の記憶領域に構築される。

　気象データ取得部３１０は、気象サーバ５０から気象データを取得する。気象データとは、天気、外気温、日射量、日照時間、風向き等のような、気象の予報及び実績に関するデータである。気象サーバ５０は、気象庁、気象事業者等によって運営され、気象データを一般に利用可能に提供するデータサーバである。

　気象データ取得部３１０は、例えば１日に１回から数回程度の頻度で広域ネットワークを介して気象サーバ５０と通信し、室内空間２の周囲の気象データ、言い換えると、室内空間２が存在する地域における天気、外気温等のデータを取得する。気象データ取得部３１０は、制御部３１が通信部３５と協働することにより実現される。気象データ取得部３１０は、気象データ取得手段として機能する。

　気象データ取得部３１０は、気象サーバ５０から気象データを取得すると、取得した気象データを気象ＤＢ４１０に格納する。気象ＤＢ４１０は、気象データの履歴を記憶するデータベースである。具体的には図６に示すように、気象ＤＢ４１０は、室内空間２の周囲の外気温及び天気の気象データを、日時と対応付けて記憶している。気象ＤＢ４１０に記憶されている気象データは、気象サーバ５０から気象データが取得される毎に更新される。

　より詳細には、気象データ取得部３１０は、気象データとして、将来に予測される気象予報データと、過去の実績を示す気象実績データと、を取得する。気象ＤＢ４１０に記憶される気象データのうち、現時点よりも過去の時点における気象データは気象実績データに相当し、現時点よりも将来の時点における気象データは気象予報データに相当する。気象データ取得部３１０は、気象サーバ５０からある日時の気象実績データを取得すると、その日時の気象データとして既に気象ＤＢ４１０に記憶されている気象予報データを、取得した気象実績データに更新する。

　図５に戻って、温度分布取得部３２０は、室内空間２の温度分布を取得する。ここで、室内空間２の温度分布とは、室内空間２内における温度の空間的な拡がりを示す情報であって、室内空間２内の壁、床、窓等のような複数の位置の温度を示す情報である。温度分布取得部３２０は、撮影部２３に赤外線で室内空間２を撮影させることにより、室内空間２の温度分布を取得する。

　具体的に説明すると、温度分布取得部３２０は、例えば１時間に１回程度の頻度で、室内空間２に設置されている複数の撮影装置２０に撮影指令を送信する。各撮影装置２０は、空調制御装置３０から送信された撮影指令を受信すると、撮影部２３により室内空間２を撮影する。これにより、各撮影装置２０は、室内空間２における自装置の室内機４２により空調されるエリアを赤外線で撮影した撮影画像を取得する。

　図７に、１つの撮影装置２０により撮影された室内空間２の撮影画像５１の例を示す。撮影画像５１は、赤外線により撮影された画像であるため、室内空間２の温度分布、すなわち熱分布を表す熱画像である。一例として、撮影画像５１からは、室内空間２における人、照明５及び窓が存在する領域の温度は、これら以外の領域とは異なる温度であることが確認できる。

　各撮影装置２０は、室内空間２を撮影すると、撮影により得られた撮影画像５１を、通信部２５を介して空調制御装置３０に送信する。温度分布取得部３２０は、各撮影装置２０から送信された撮影画像５１を受信することで、室内空間２の温度分布を取得する。温度分布取得部３２０は、制御部３１が通信部３５と協働することにより実現される。温度分布取得部３２０は、温度分布取得手段として機能する。

　温度分布取得部３２０は、室内空間２の温度分布を取得すると、取得した温度分布により示される温度データを温度ＤＢ４２０に格納する。温度ＤＢ４２０は、温度データの履歴を記憶するデータベースである。具体的には図８に示すように、温度ＤＢ４２０は、室内空間２の温度分布のデータとして、室内空間２の壁、床、窓を含む複数の位置の温度を、その温度が取得された日時に対応付けて記憶している。温度ＤＢ４２０に記憶されている温度データは、温度分布取得部３２０により温度分布が取得される毎に更新される。

　より詳細には、温度分布取得部３２０は、撮影部２３を回転させながら撮影部２３に室内空間２を撮影させる第１の撮影処理と、撮影部２３の向きを室内空間２における特定の場所の方向に固定して撮影部２３に室内空間２を撮影させる第２の撮影処理と、を実行する。

　温度分布取得部３２０は、予め定められたタイミングが到来した場合に第１の撮影処理を実行する。第１の撮影処理において、温度分布取得部３２０は、撮影部２３を回転させながら撮影部２３に室内空間２を撮影させる指令を各撮影装置２０に送信する。

　各撮影装置２０は、空調制御装置３０から送信された撮影指令を受信すると、回転駆動部２４を駆動させて撮影部２３の光軸の向きを変化させながら、室内空間２を撮影する。このように撮影部２３を回転させることにより、室内空間２内の広い範囲を撮影した撮影画像を取得することができる。

　これに対して、温度分布取得部３２０は、予め定められたタイミングが到来していない場合、言い換えると第１の撮影処理を実行している時以外は、第２の撮影処理を実行する。第２の撮影処理において、温度分布取得部３２０は、撮影部２３の向きを室内空間２における特定の場所の方向に固定して撮影部２３に室内空間２を撮影させる指令を各撮影装置２０に送信する。ここで、特定の場所とは、具体的には室内空間２における人の出入り口である。

　各撮影装置２０は、空調制御装置３０から送信された撮影指令を受信すると、回転駆動部２４を駆動させて撮影部２３の光軸の向きを出入り口の方向に向けて、室内空間２を撮影する。このように、第１の撮影処理を実行するタイミング以外の間は撮影部２３の向きを出入り口に固定することにより、室内空間２に出入りする人を精度良く撮影することができる。

　図５に戻って、人情報取得部３３０は、撮影部２３により撮影された室内空間２の撮影画像に基づいて、室内空間２に存在する人に関する人情報を取得する。人情報とは、室内空間２における人の有無、及び、人が存在する場合にその数、位置等を示す情報である。言い換えると、人情報取得部３３０は、人情報として、室内空間２における人の有無と、室内空間２に存在する人の数と、室内空間２に存在する人の位置と、を取得する。

　人情報取得部３３０は、温度分布取得部３２０により各撮影装置２０から取得された赤外線による撮影画像を、周知の人認識の手法を用いて解析することで、撮影画像に人が含まれているか否かを判定する。人情報取得部３３０は、例えば図７に示した撮影画像５１から、人の形状、動作等を識別することにより、人の有無を判定する。そして、人情報取得部３３０は、室内空間２に人が存在する場合に、その数及び位置の情報を取得する。

　より詳細には、人情報取得部３３０は、第２の撮影処理において撮影された室内空間２の撮影画像に基づいて、室内空間２に人が入室したか否かを判定する。具体的に説明すると、人情報取得部３３０は、撮影部２３の向きを室内空間２の出入り口の方向に固定した状態で撮影された撮影画像から、出入り口における人の有無を識別する。これにより、人情報取得部３３０は、出入り口から人が入室したか否かを判定する。出入り口を撮影することで、人が入室したか否かを精度良く判定することができる。

　人情報取得部３３０は、人情報を取得すると、取得した人情報により示される在室人数を在室ＤＢ４３０に格納する。在室ＤＢ４３０は、室内空間２に存在する人の数の履歴を記憶するデータベースである。具体的には図９に示すように、在室ＤＢ４３０は、在室人数のデータを、そのデータが取得された日時に対応付けて記憶している。在室ＤＢ４３０に記憶されている在室人数は、人情報取得部３３０により人情報が取得される毎に更新される。人情報取得部３３０は、制御部３１が記憶部３２と協働することにより実現される。人情報取得部３３０は、人情報取得手段として機能する。

　図５に戻って、推定部３５０は、気象データ取得部３１０により取得された気象データと、温度分布取得部３２０により取得された温度分布と、人情報取得部３３０により取得された人情報と、の入力を受けて、室内空間２に生じる熱負荷の分布を推定した推定情報を出力する。ここで、熱負荷とは、空調負荷とも呼び、空調機４０が室内空間２を目標温度に保つために必要とする熱量を意味する。熱負荷は、室内空間２における温度に加えて、室内空間２の目標温度、及び、室内空間２に存在する人、壁、床、窓等の物体に依存する。

　推定部３５０は、将来の時点において室内空間２に生じる熱負荷の分布を推定する。ここで、推定部３５０による熱負荷の分布の推定対象となる将来の時点は、具体的には、人が不在の状態から室内空間２に人が入室を開始することが予測される時点である。

　例えば、室内空間２がオフィスビルの一室である場合には、推定対象となる将来の時点は、始業時刻の３０分前に設定される。或いは、室内空間２が住宅の一室である場合には、推定対象となる将来の時点は、居住者の帰宅時刻に設定される。このような推定対象となる将来の時点は、特定の時刻に予め設定されても良いし、在室ＤＢ４３０に記憶されている過去の在室人数のデータから推定部３５０により推定される時刻に設定されても良い。

　より詳細には、推定部３５０は、学習部３８０と熱負荷分布計算部３９０との機能を含んでいる。学習部３８０は、気象データ取得部３１０により取得された気象データ及び人情報取得部３３０により取得された人情報と、温度分布取得部３２０により取得された室内空間２の温度分布と、の関係を学習する。

　学習部３８０は、気象ＤＢ４１０、温度ＤＢ４２０及び在室ＤＢ４３０のそれぞれに過去の期間に蓄積された履歴データを参照する。そして、学習部３８０は、これらのデータを教師データとして用いて、機械学習を実行することにより、学習済みモデル４５０を生成する。学習済みモデル４５０は、気象データ及び人情報の入力に対して、室内空間２の温度分布を出力するモデルである。一般的には、教師データが多いほど、すなわちより長い過去の期間のデータを学習対象として用いることで、学習の精度はより向上する。

　一例として、学習部３８０は、ニューラルネットワークの手法を用いる。ニューラルネットワークは、入力層と出力層と少なくとも１つの中間層とを含み、入力層に入力された入力データに対して出力層から出力データを出力するモデルである。入力層に入力される入力データは、具体的には、外気温、天気等の気象データ、及び室内空間２における在室人数である。また、出力層から出力される出力データは、室内空間２の温度分布である。

　学習部３８０は、気象ＤＢ４１０、温度ＤＢ４２０及び在室ＤＢ４３０にそれぞれ記憶されている過去の期間の気象実績データ、温度データ及び在室人数のデータを教師データとして用いて、ニューラルネットワークにおける各層の結合の重みを調整する。具体的に説明すると、学習部３８０は、気象ＤＢ４１０に記憶されている気象データと在室ＤＢ４３０に記憶されている在室人数とを入力層に入力データとして入力する。そして、学習部３８０は、入力データの入力に対して出力層から出力データとして出力される温度分布を、温度ＤＢ４２０に記憶されている温度データのうちの、入力層に入力された気象データ及び在室人数と同じ又は対応する日時の温度データと比較する。比較の結果、学習部３８０は、出力層から出力される温度分布と温度ＤＢ４２０に記憶されている温度データとの差が小さくなるように、誤差逆伝播法を用いて各層の結合の重みを調整する。

　学習部３８０は、このような処理を、気象ＤＢ４１０、温度ＤＢ４２０及び在室ＤＢ４３０に記憶されている各日時のデータに対して実行する。これにより、学習部３８０は、気象データと人情報と温度分布との間の関係を学習し、気象データ及び人情報の入力に対して室内空間２の温度分布を出力する学習済みモデル４５０を生成する。学習部３８０は、制御部３１が記憶部３２と協働することにより実現される。学習部３８０は、学習手段として機能する。

　熱負荷分布計算部３９０は、学習部３８０による学習結果に基づいて、将来の時点において室内空間２に生じる熱負荷の分布を計算する。第１に、熱負荷分布計算部３９０は、人情報取得部３３０により取得された室内空間２における人情報に基づいて、将来の時点において室内空間２に存在する人の数を推定する。

　具体的に説明すると、熱負荷分布計算部３９０は、在室ＤＢ４３０に記憶されている在室人数の履歴情報を参照する。そして、熱負荷分布計算部３９０は、在室ＤＢ４３０に記憶されている在室人数のうちの、推定対象となる将来の時点に対応する日時の在室人数に基づいて、その将来の時点において室内空間２に存在する人の数を推定する。例えば、熱負荷分布計算部３９０は、在室ＤＢ４３０に記憶されている在室人数のうちの、推定対象となる将来の時点と時刻、曜日等が同じ日時の在室人数の過去の平均値を、その将来の時点において室内空間２に存在する人の数として推定する。

　このようにして在室人数を推定すると、第２に、熱負荷分布計算部３９０は、推定された在室人数と、気象データ取得部３１０により取得された気象データのうちの気象予報データと、学習部３８０により学習された関係と、に基づいて、将来の時点における室内空間２の温度分布を推定する。

　具体的に説明すると、推定部３５０は、推定された在室人数と、気象ＤＢ４１０に記憶されているデータのうちの、推定対象となる将来の時点の気象予報データとを、入力データとして学習済みモデル４５０に入力する。そして、推定部３５０は、このような入力に対して学習済みモデル４５０から出力データとして出力される温度分布を、推定対象となる将来の時点における室内空間２の温度分布として推定する。

　このようにして温度分布を推定すると、第３に、熱負荷分布計算部３９０は、学習済みモデル４５０により推定した温度分布から、予め定められた計算手順に従って熱負荷の分布を計算する。

　例えば、壁、床、窓等の熱負荷は、壁、床、窓等の温度と目標温度との温度差に、壁、床、窓等の面積と熱貫流率とを乗じることにより計算される。また、人の熱負荷は、一人当たりの顕熱及び潜熱に在室人数を乗じることにより計算される。そのため、熱負荷分布計算部３９０は、室内空間２に設けられている壁、床、窓等の情報と推定した在室人数とに基づいて、学習済みモデル４５０により推定した温度分布により示される各位置の温度を、室内空間２内の各位置における熱負荷に換算する。これにより、熱負荷分布計算部３９０は、将来において室内空間２に生じる熱負荷の分布を計算する。

　このように、気象予報データ、在室人数の推定結果、及び学習部３８０による学習結果を用いて、熱負荷分布計算部３９０は、室内空間２に生じる熱負荷の空間的な分布を計算する。熱負荷分布計算部３９０は、制御部３１が記憶部３２と協働することにより実現される。熱負荷分布計算部３９０は、熱負荷分布計算手段として機能する。

　推定部３５０は、熱負荷分布計算部３９０により計算された熱負荷の分布を、将来の時点において室内空間２に生じる熱負荷の分布として推定する。そして、推定部３５０は、推定した熱負荷の分布を示す推定情報を、空調制御部３６０に出力する。推定部３５０は、制御部３１が記憶部３２と協働することにより実現される。推定部３５０は、推定手段として機能する。

　推定部３５０は、このような熱負荷の分布の推定処理を、室内空間２に人が入室を開始することが予測されるタイミングよりも予め定められた時間だけ前のタイミングで実行する。例えば図１０に示すように、時刻Ｔ３において室内空間２に人が入室を開始することが予測される場合、時刻Ｔ３から予め定められた時間だけ前の時刻Ｔ１において、推定部３５０は、推定処理を実行する。予め定められた時間は、例えば３０分、１時間等の長さの時間に予め設定される。

　図５に戻って、空調制御部３６０は、推定部３５０により出力された推定情報の入力を受けて、空調機４０に室内空間２を空調させる空調制御信号を出力する。空調制御部３６０は、推定部３５０により出力された推定情報において推定された熱負荷の分布に応じた空調を空調機４０に実行させるための空調制御信号を生成する。そして、空調制御部３６０は、通信部３５を介して空調機４０に生成した空調制御信号を送信することにより、空調機４０に室内空間２を空調させる。空調制御部３６０は、制御部３１が通信部３５と協働することにより実現される。空調制御部３６０は、空調制御手段として機能する。

　具体的に説明すると、空調制御部３６０は、熱負荷の分布を推定した将来の時点よりも、推定部３５０により出力された推定情報において推定された熱負荷の分布に応じた長さの時間だけ前に、空調機４０に室内空間２の空調を開始させる空調制御信号を出力する。例えば図１０に示すように、時刻Ｔ３において人の入室が開始されることが予測される場合、空調制御部３６０は、時刻Ｔ３において室内空間２の温度が目標温度に達するように、時刻Ｔ３より前の時刻Ｔ２において、空調機４０に室内空間２の空調を開始させる。

　時刻Ｔ３と時刻Ｔ２との間の時間長を、推定部３５０により推定された熱負荷の分布に応じて設定される。例えば、空調制御部３６０は、推定された熱負荷の分布により示される複数の位置の熱負荷の平均値がより大きい場合、室内空間２の温度を目標温度に変化させるのにより長い時間を必要とするため、時刻Ｔ３と時刻Ｔ２との間の時間長をより長く設定する。空調制御部３６０は、このように設定された時刻Ｔ２において、空調機４０に予冷又は予暖を開始させる。

　例えば時刻Ｔ２において予冷を開始した場合、室内空間２の壁温度は、図１０において実線で示すように変化する。具体的に説明すると、室内空間２の壁温度は、時刻Ｔ１から時刻Ｔ２までは破線で示す外気温の上昇に伴って上昇する。その後、時刻Ｔ２において冷房を開始すると、壁温度は時刻Ｔ２から低下し始め、時刻Ｔ３において目標温度に達する。このように時刻Ｔ３に室内空間２の温度が目標温度に達することで、室内空間２に入室した人の快適性を向上させることができる。

　更に、空調制御部３６０は、室内空間２のうちの、推定部３５０により出力された推定情報において推定された熱負荷の分布により示される熱負荷がより大きい場所を、より強い強度で空調機４０に空調させる空調制御信号を出力する。図１１に、室内空間２が複数の室内機４２により空調される場合における推定部３５０により推定された熱負荷の分布の例を示す。図１１に示すように、斜線で示す領域６０に熱溜まりが生じている場合、空調制御部３６０は、この領域６０を、室内空間２内の領域６０以外の領域よりも強い強度で冷房するように、複数の室内機４２に空調制御信号を送信する。

　具体的に説明すると、空調制御部３６０は、複数の室内機４２のうちの、熱溜まりが生じている領域６０の内側又は最も近い位置に設置されている室内機４２に、それ以外の室内機４２よりも強い強度で冷房させる。或いは、空調制御部３６０は、各室内機４２から吹き出される空調空気の方向を熱溜まりに向けても良い。このように位置による熱負荷の違いに応じて空調の強度を調整することで、室内空間２内における相対的に熱負荷が大きい領域をより短時間で目標温度に近付けることができる。

　図５に戻って、照明制御部３７０は、人情報取得部３３０により室内空間２に人が入室したと判定された場合、室内空間２の照明５を点灯させる。具体的に説明すると、照明制御部３７０は、人情報取得部３３０により出入り口の撮影画像から取得された人情報に基づいて、出入り口から室内空間２に入室する人の有無を判定する。そして、照明制御部３７０は、室内空間２に人が不在の状態から最初に人が入室したと判定された場合に、通信部３５を介して照明５に照明制御信号を送信することにより、照明５を点灯させる。

　このように、人の入室に合わせて空調を制御することに加えて更に照明５を制御することで、室内空間２に入室する人の快適性をより向上させることができる。照明制御部３７０は、制御部３１が通信部３５と協働することにより実現される。照明制御部３７０は、照明制御手段として機能する。

　以上のように構成された空調制御装置３０において実行される空調制御処理の流れについて、図１２に示すフローチャートを参照して、説明する。図１２に示す空調制御処理は、空調システム１が室内空間２を正常に空調可能な状態において、適宜実行される。

　空調制御処理を開始すると、制御部３１は、気象データ取得部３１０として機能し、気象サーバ５０から気象データを取得する（ステップＳ１）。具体的に説明すると、制御部３１は、１日に１回から数回程度の予め定められたタイミングで、気象サーバ５０と通信し、気象予報データ及び気象実績データを取得する。制御部３１は、取得した気象予報データ及び気象実績データを、気象ＤＢ４１０に保存する。

　気象データを取得すると、制御部３１は、例えば１時間に１回程度の頻度で到来する学習タイミングが到来したか否かを判定する（ステップＳ２）。学習タイミングが到来した場合（ステップＳ２；ＹＥＳ）、制御部３１は、第１の撮影処理を実行する（ステップＳ３）。ステップＳ３における第１の撮影処理の詳細は、図１３に示すフローチャートを参照して説明する。

　図１３に示す第１の撮影処理を開始すると、制御部３１は、各撮影装置２０の撮影部２３を回転駆動させる（ステップＳ３１）。そして、制御部３１は、温度分布取得部３２０として機能し、各撮影装置２０に室内空間２を撮影させることで、室内空間２の温度分布を取得する（ステップＳ３２）。制御部３１は、取得した温度分布により示される温度データを、温度ＤＢ４２０に保存する。

　温度分布を取得すると、制御部３１は、人情報取得部３３０として機能し、人情報を取得する（ステップＳ３３）。具体的に説明すると、制御部３１は、室内空間２を撮影することにより得られた撮影画像から、人の形状、動作等を識別し、室内空間２における人の有無を判定する。そして、制御部３１は、室内空間２に人が存在する場合に、その数及び位置の情報を取得する。制御部３１は、取得した人情報により示される在室人数を、在室ＤＢ４３０に保存する。

　次に、制御部３１は、学習部３８０として機能し、気象データ及び室内空間２における人情報と、室内空間２の温度分布と、の関係を学習する（ステップＳ３４）。具体的に説明すると、制御部３１は、気象ＤＢ４１０、温度ＤＢ４２０及び在室ＤＢ４３０に記憶されているデータを教師データとして用いて、機械学習を実行する。これにより、制御部３１は、気象データ及び人情報の入力に対して温度分布を出力する学習済みモデル４５０を生成する。

　次に、制御部３１は、室内空間２における熱負荷の分布を推定するタイミングが到来したか否かを判定する（ステップＳ３５）。熱負荷の分布を推定するタイミングは、具体的には推定対象となる将来の時点よりも予め定められた時間だけ前のタイミングであって、例えば図１０に示した時刻Ｔ１である。

　熱負荷の分布を推定するタイミングが到来した場合（ステップＳ３５；ＹＥＳ）、制御部３１は、熱負荷分布計算部３９０として機能し、推定対象となる将来の時点における熱負荷の分布を推定する（ステップＳ３６）。具体的に説明すると、制御部３１は、推定対象となる将来の時点における在室人数を推定し、推定した在室人数、気象予報データ、及びステップＳ３４で生成された学習済みモデル４５０に基づいて、推定対象となる将来の時点における温度分布を推定し、推定した温度分布から予め定められた計算手順に従って熱負荷の分布を計算する。

　熱負荷分布を推定すると、制御部３１は、空調制御部３６０として機能し、推定した熱負荷の分布に基づいて、室内空間２の予冷又は予暖を実行する（ステップＳ３７）。具体的に説明すると、制御部３１は、推定した熱負荷の分布に応じて、予冷又は予暖を開始するタイミングを設定する。そして、制御部３１は、設定したタイミングにおいて、空調機４０に空調制御信号を送信し、室内空間２の予冷又は予暖を開始させる。

　これに対して、熱負荷の分布を推定するタイミングが到来していない場合（ステップＳ３５；ＮＯ）、制御部３１は、ステップＳ３６，Ｓ３７の処理をスキップする。以上により、図１３に示した第１の撮影処理は終了する。

　図１２に戻って、ステップＳ２において学習タイミングが到来していない場合（ステップＳ２；ＮＯ）、制御部３１は、第２の撮影処理を実行する（ステップＳ４）。ステップＳ４における第２の撮影処理の詳細は、図１４に示すフローチャートを参照して説明する。

　図１４に示す第２の撮影処理を開始すると、制御部３１は、各撮影装置２０の撮影部２３の向きを出入り口の方向に向けて固定する（ステップＳ４１）。そして、制御部３１は、温度分布取得部３２０として機能し、撮影部２３に出入り口を撮影させることにより、出入り口が設けられた空間の温度分布を取得する（ステップＳ４２）。

　温度分布を取得すると、制御部３１は、人情報取得部３３０として機能し、人情報を取得する（ステップＳ４３）。具体的に説明すると、制御部３１は、出入り口を撮影することにより得られた撮影画像から、人の形状、動作等を識別し、室内空間２における人の有無を判定する。そして、制御部３１は、室内空間２に人が存在する場合に、その数及び位置の情報を取得する。制御部３１は、取得した人情報により示される在室人数を、在室ＤＢ４３０に保存する。

　人情報を取得すると、制御部３１は、取得した人情報に基づいて、室内空間２への人の入室を検出したか否かを判定する（ステップＳ４４）。入室を検出した場合（ステップＳ４４；ＹＥＳ）、制御部３１は、照明制御部３７０として機能し、照明５を点灯させる（ステップＳ４５）。

　これに対して、入室を検出していない場合（ステップＳ４４；ＮＯ）、制御部３１は、ステップＳ４５の処理をスキップする。以上により、図１４に示した第２の撮影処理は終了する。

　図１２に戻って、制御部３１は、第１又は第２の撮影処理を実行すると、制御結果を記憶部３２に保存する（ステップＳ５）。その後、制御部３１は、処理をステップＳ１に戻し、ステップＳ１～Ｓ５の処理を繰り返す。このように、制御部３１は、空調システム１が正常に動作可能な間、上述した第１の撮影処理又は第２の撮影処理を繰り返し実行する。

　以上説明したように、実施の形態１に係る空調制御装置３０は、気象データと室内空間２の温度分布と室内空間２の人情報とを取得し、取得した気象データと温度分布と人情報とに基づいて室内空間２に生じる熱負荷の分布を推定し、推定した熱負荷の分布に基づいて空調機４０に室内空間２を空調させる。このように、実施の形態１に係る空調制御装置３０は、熱負荷の分布を推定するため、室内空間２内における熱負荷の位置による違いに応じた空調制御が可能になる。その結果、室内空間２を適切に空調することができ、室内空間２の快適性を向上させることができる。

　（実施の形態２）
　次に、本発明の実施の形態２について説明する。

　上記実施の形態１では、温度分布取得部３２０は、予め定められたタイミングが到来した場合に第１の撮影処理を実行し、それ以外の場合に第２の撮影処理を実行した。これに対して、実施の形態２では、温度分布取得部３２０は、特定の場所における温度が、室内空間２における特定の場所以外の場所と比べてより大きく変化する時に、第２の撮影処理を実行する。

　実施の形態２において、特定の場所は、特定の時間において特定の場所以外の場所よりも、単位時間当たりに大きな温度変化が予測される場所である。一例として、特定の場所は、例えば室内空間２に設けられている窓である。また、特定の時間は、朝方又は夕方である。

　具体的に説明すると、窓は朝方又は夕方に日光に大きく照らされるため、室内空間２内の窓以外の場所に比べて、短時間で急激に温度変化する傾向がある。そのため、温度分布取得部３２０は、朝方又は夕方の時間帯になると、撮影部２３を回転駆動させてその向きを窓の方向に向けて固定する。そして、温度分布取得部３２０は、窓が設けられた空間を撮影部２３に撮影させることにより、その温度分布を取得する。

　このように、実施の形態２に係る空調制御装置３０は、室内空間２内の温度変化し易い場所の方向に撮影部２３の向きを固定させることにより、その場所の温度データを詳細に取得することができる。その結果、より精度良く熱負荷の分布を推定することができ、より適切な空調の制御を実現することができる。

　（実施の形態３）
　次に、本発明の実施の形態３について説明する。

　実施の形態３では、各撮影装置２０は、回転駆動部２４により撮影部２３を回転させる回転速度を、室内空間２に人が存在しているか否かに応じて変化させる。具体的に説明すると、室内空間２に人が存在している場合、撮影部２３を高速で回転させると、騒音により快適性を低下させる。これに対して、室内空間２に人が存在していない場合、騒音の問題は生じない。また、室内空間２に人が存在していない場合、人の入室を監視するために、できるだけ長い時間、撮影部２３の向きは出入り口の方向に固定されることが望ましい。

　そのため、温度分布取得部３２０は、第１の撮影処理において、室内空間２に人が存在していない場合には、室内空間２に人が存在している場合よりも高速で撮影部２３を回転させながら撮影部２３に室内空間２を撮影させる。

　具体的に説明すると、温度分布取得部３２０は、人情報取得部３３０により取得された人情報に基づいて、室内空間２における人の有無を判定する。判定の結果、温度分布取得部３２０は、室内空間２に人が存在していない場合には、室内空間２に人が存在している場合よりも撮影部２３の回転速度を高速に設定して、第１の撮影処理を実行する。これにより、第１の撮影処理に要する時間を短縮することができ、その他の時間を人の入室の監視に充てることができる。そのため、照明５の制御の即時性を向上させることができる。

　（変形例）
　以上、本発明の実施の形態を説明したが、本発明を実施するにあたっては、種々の形態による変形及び応用が可能である。

　例えば、上記実施の形態では、温度分布取得部３２０は、撮影部２３に室内空間２を撮影させることにより、室内空間２の温度分布を取得した。しかしながら、本発明において、室内空間２内の異なる複数の位置に温度センサが設置されており、温度分布取得部３２０は、これらの温度センサによる温度計測結果を取得することにより、室内空間２の温度分布を取得しても良い。

　上記実施の形態では、人情報取得部３３０は、撮影部２３により撮影された室内空間２の撮影画像に基づいて、室内空間２における人情報を取得した。しかしながら、本発明において、室内空間２内に少なくとも１つの人感センサが設置されており、人情報取得部３３０は、少なくとも１つの人感センサによる人検知結果を取得することにより、室内空間２における人情報を取得しても良い。

　上記実施の形態では、空調制御装置３０は学習部３８０を備えていた。しかしながら、本発明において、学習部３８０の機能は、空調制御装置３０に備えられることに限らず、空調制御装置３０の外部の装置に備えられても良い。その場合、推定部３５０は、外部の装置による学習結果を外部の装置から通信部３５を介して取得する。そして、推定部３５０は、取得した学習結果に基づいて、室内空間２に生じる熱負荷の分布を推定する。学習部３８０の機能を備えないことで、空調制御装置３０の構成をより簡略化することができる。

　上記実施の形態では、学習部３８０は、ニューラルネットワークを用いて、気象データ及び室内空間２における人情報と室内空間２の温度分布との関係を学習した。しかしながら、本発明において、学習部３８０は、ニューラルネットワークに限らず、他の機械学習の手法を用いても良い。例えば、学習部３８０は、サポートベクターマシンによる回帰分析の手法を用いて、気象データ及び室内空間２における人情報と室内空間２の温度分布との関係を学習しても良い。

　上記実施の形態では、学習部３８０は、気象データ及び室内空間２における人情報と室内空間２の温度分布との関係を学習した。言い換えると、上記実施の形態では、熱負荷分布計算部３９０により温度分布から熱負荷の分布を計算する処理は、学習部３８０による学習処理の後に実行された。しかしながら、本発明において、温度分布から熱負荷の分布を計算する処理は、学習部３８０による学習処理の前に実行されても良い。この場合、学習部３８０は、温度ＤＢ４２０に記憶されている温度データから、予め定められた計算手順に従って熱負荷の分布を計算する。そして、学習部３８０は、気象ＤＢ４１０に記憶されている気象実績データ及び在室ＤＢ４３０に記憶されている在室人数のデータと、計算した熱負荷の分布と、の間の関係を学習し、学習済みモデル４５０を生成する。熱負荷分布計算部３９０は、気象予報データと、将来の時点において推定される在室人数と、学習済みモデル４５０と、に基づいて、将来の時点における熱負荷の分布を計算する。このように、気象データ、温度分布及び人情報から熱負荷の分布を推定する処理の詳細は、上記の実施の形態に限らない。

　上記実施の形態では、空調システム１は、複数の撮影装置２０と複数の空調機４０とを備えていた。しかしながら、本発明において、空調システム１に備えられる撮影装置２０と空調機４０の数は、１つであっても良い。また、撮影装置２０は、室内空間２内における必要な範囲の温度分布を取得することができるものであれば、撮影部２３を回転駆動させることができなくても良い。また、より構成を簡略化するために、空調制御装置３０は、照明制御部３７０の機能を備えていなくても良い。

　上記実施の形態では、制御部３１において、ＣＰＵがＲＯＭ又は記憶部３２に記憶されたプログラムを実行することによって、図５に示した各部として機能した。しかしながら、本発明において、制御部３１は、専用のハードウェアであってもよい。専用のハードウェアとは、例えば単一回路、複合回路、プログラム化されたプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、又は、これらの組み合わせ等である。制御部３１が専用のハードウェアである場合、各部の機能それぞれを個別のハードウェアで実現してもよいし、各部の機能をまとめて単一のハードウェアで実現してもよい。

　また、各部の機能のうち、一部を専用のハードウェアによって実現し、他の一部をソフトウェア又はファームウェアによって実現してもよい。このように、制御部３１は、ハードウェア、ソフトウェア、ファームウェア、又は、これらの組み合わせによって、上述の各機能を実現することができる。

　本発明に係る空調制御装置３０の動作を規定する動作プログラムを既存のパーソナルコンピュータ又は情報端末装置等のコンピュータに適用することで、当該コンピュータを、本発明に係る撮影装置２０又は空調制御装置３０として機能させることも可能である。

　また、このようなプログラムの配布方法は任意であり、例えば、ＣＤ－ＲＯＭ（Compact Disk ROM）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto Optical Disk）、又は、メモリカード等のコンピュータ読み取り可能な記録媒体に格納して配布してもよいし、インターネット等の通信ネットワークを介して配布してもよい。

　本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この発明を説明するためのものであり、本発明の範囲を限定するものではない。すなわち、本発明の範囲は、実施の形態ではなく、請求の範囲によって示される。そして請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、この発明の範囲内とみなされる。

　本発明は、空調システム等に好適に採用され得る。

１　空調システム、２　室内空間、５　照明、１０　空調制御システム、２０　撮影装置、２１　制御部、２２　記憶部、２３　撮影部、２４　回転駆動部、２５　通信部、３０　空調制御装置、３１　制御部、３２　記憶部、３３　ユーザインタフェース、３５　通信部、４０　空調機、４１　室外機、４２　室内機、５０　気象サーバ、５１　撮影画像、６０　領域、３１０　気象データ取得部、３２０　温度分布取得部、３３０　人情報取得部、３５０　推定部、３６０　空調制御部、３７０　照明制御部、３８０　学習部、３９０　熱負荷分布計算部、４１０　気象ＤＢ、４２０　温度ＤＢ、４３０　在室ＤＢ、４５０　学習済みモデル

Claims (13)

1. 　空調機による室内空間の空調を制御する空調制御装置であって、
   　気象データを取得する気象データ取得手段と、
   　前記室内空間の温度分布を取得する温度分布取得手段と、
   　前記室内空間における人に関する人情報を取得する人情報取得手段と、
   　前記気象データ取得手段により取得された前記気象データと、前記温度分布取得手段により取得された前記温度分布と、前記人情報取得手段により取得された前記人情報と、の入力を受けて、前記室内空間に生じる熱負荷の分布を推定した推定情報を出力する推定手段と、
   　前記推定手段により出力された前記推定情報の入力を受けて、前記空調機に前記室内空間を空調させる空調制御信号を出力する空調制御手段と、を備える、
   　空調制御装置。
2. 　前記温度分布取得手段は、赤外線により前記室内空間を撮影する撮影手段に前記室内空間を撮影させることにより前記温度分布を取得し、
   　前記人情報取得手段は、前記撮影手段により撮影された前記室内空間の撮影画像に基づいて、前記人情報を取得する、
   　請求項１に記載の空調制御装置。
3. 　前記温度分布取得手段は、前記撮影手段を回転させながら前記撮影手段に前記室内空間を撮影させる第１の撮影処理と、前記撮影手段の向きを前記室内空間における特定の場所の方向に固定して前記撮影手段に前記室内空間を撮影させる第２の撮影処理と、を実行する、
   　請求項２に記載の空調制御装置。
4. 　前記特定の場所は、前記室内空間における人の出入り口であり、
   　前記人情報取得手段は、前記第２の撮影処理において撮影された前記室内空間の撮影画像に基づいて、前記室内空間に人が入室したか否かを判定する、
   　請求項３に記載の空調制御装置。
5. 　前記人情報取得手段により前記室内空間に人が入室したと判定された場合、前記室内空間の照明を点灯させる照明制御手段、を更に備える、
   　請求項４に記載の空調制御装置。
6. 　前記温度分布取得手段は、前記特定の場所における温度が、前記室内空間における前記特定の場所以外の場所と比べてより大きく変化する時に、前記第２の撮影処理を実行する、
   　請求項３から５のいずれか１項に記載の空調制御装置。
7. 　前記温度分布取得手段は、前記第１の撮影処理において、前記室内空間に人が存在していない場合には、前記室内空間に人が存在している場合よりも高速で前記撮影手段を回転させながら前記撮影手段に前記室内空間を撮影させる、
   　請求項３から６のいずれか１項に記載の空調制御装置。
8. 　前記推定手段は、
   　前記気象データ取得手段により取得された前記気象データ及び前記人情報取得手段により取得された前記人情報と、前記温度分布取得手段により取得された前記温度分布と、の関係を学習する学習手段と、
   　前記人情報取得手段により取得された前記人情報に基づいて、将来に時点において前記室内空間に存在する人の数を推定し、推定された前記人の数と、前記気象データ取得手段により取得された前記気象データのうちの気象予報データと、前記学習手段により学習された前記関係と、に基づいて、将来の時点における前記熱負荷の分布を計算する熱負荷分布計算手段と、を備える、
   　請求項１から７のいずれか１項に記載の空調制御装置。
9. 　前記将来の時点は、前記室内空間に人が入室を開始することが推定される時点であり、
   　前記空調制御手段は、前記将来の時点よりも、前記推定手段により出力された前記推定情報において推定された前記熱負荷の分布に応じた長さの時間だけ前に、前記空調機に前記室内空間の空調を開始させる前記空調制御信号を出力する、
   　請求項８に記載の空調制御装置。
10. 　前記空調制御手段は、前記室内空間のうちの、前記推定手段により出力された前記推定情報において推定された前記熱負荷の分布により示される熱負荷がより大きい場所を、より強い強度で前記空調機に空調させる前記空調制御信号を出力する、
    　請求項１から９のいずれか１項に記載の空調制御装置。
11. 　請求項１から１０のいずれか１項に記載の空調制御装置と、前記空調機と、を備える、
    　空調システム。
12. 　気象データを取得し、
    　室内空間の温度分布を取得し、
    　前記室内空間における人に関する人情報を取得し、
    　取得した前記気象データと前記温度分布と前記人情報とに基づいて、前記室内空間に生じる熱負荷の分布を推定し、
    　推定した前記熱負荷の分布に基づいて、前記室内空間を空調する、
    　空調方法。
13. 　空調機による室内空間の空調を制御するコンピュータを、
    　気象データを取得する気象データ取得手段、
    　前記室内空間の温度分布を取得する温度分布取得手段、
    　前記室内空間における人に関する人情報を取得する人情報取得手段、
    　前記気象データ取得手段により取得された前記気象データと、前記温度分布取得手段により取得された前記温度分布と、前記人情報取得手段により取得された前記人情報と、の入力を受けて、前記室内空間に生じる熱負荷の分布を推定した推定情報を出力する推定手段、
    　前記推定手段により出力された前記推定情報の入力を受けて、前記空調機に前記室内空間を空調させる空調制御信号を出力する空調制御手段、として機能させる、
    　プログラム。

Images