WO2025197366A1 - 環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法 - Google Patents

環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法

Info

Publication number
WO2025197366A1
WO2025197366A1 PCT/JP2025/004591 JP2025004591W WO2025197366A1 WO 2025197366 A1 WO2025197366 A1 WO 2025197366A1 JP 2025004591 W JP2025004591 W JP 2025004591W WO 2025197366 A1 WO2025197366 A1 WO 2025197366A1
Authority
WO
WIPO (PCT)
Prior art keywords
space
air
environment estimation
propagation time
estimation device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/JP2025/004591
Other languages
English (en)
French (fr)
Inventor
健 井阪
知景 浅倉
武彦 樋江井
雄太 笹井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Daikin Industries Ltd
Original Assignee
Daikin Industries Ltd
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 Daikin Industries Ltd filed Critical Daikin Industries Ltd
Publication of WO2025197366A1 publication Critical patent/WO2025197366A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F24F11/79—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling the direction of the supplied air
    • 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
    • F24F2110/64—Airborne particle content

Definitions

  • This disclosure relates to an environment estimation device, a display system, an air conditioning system, an environment estimation method, a program, an environment estimation system, and a method for manufacturing a trained model.
  • Patent Document 1 discloses an air conditioning system.
  • the air conditioning system includes an air conditioner that conditions a target space, a ventilation device that introduces outside air into the target space, a detection means for detecting the environmental state of the target space, and a fluid analysis means for calculating thermal environment distribution information in the target space and an air age distribution, which is an index of air freshness.
  • the air conditioning system of Patent Document 1 determines the control patterns to be set for the air conditioner and ventilation device based on the analysis results of the fluid analysis means.
  • the fluid analysis means uses CFD (Computational Fluid Dynamics) to calculate the air age distribution as information related to the air retention in the target space.
  • CFD Computer Fluid Dynamics
  • CFD has the following disadvantages. - As boundary conditions, complex data such as detailed room shape data including intake and exhaust vents, heat entering through walls, and internal heat generation are required. - Because the target space is first modeled in 3D and then analyzed, it is difficult to reflect the actual conditions of the target space even if detailed room data is available. - It requires specialized knowledge and advanced calculation skills, and requires a large amount of man-hours.
  • the first aspect relates to an environment estimation device including a control unit (14).
  • the control unit (14) inputs parameters based on the propagation time in a second space (R2) into a trained model (22,122,222,422) that has been trained using training data (41) including parameters based on the propagation time from when a sound wave is transmitted from a transmitter (31) to a first space (R1) until it is received by a receiver (32) and information related to the air stagnation in the first space (R1) that corresponds to the parameters, and outputs information related to the air stagnation in the second space (R2) estimated by the trained model (22,122,222,422).
  • the trained model (22,122,222,422) is trained using parameters based on the propagation time of sound waves emitted into the first space (R1) and information related to the air stagnation in the first space (R1) corresponding to the parameters.
  • the trained model (22,122,222,422) information related to the air stagnation in the second space (R2), which is the target space, can be obtained from parameters based on the propagation time of sound waves emitted into the second space (R2). Because parameters based on propagation time can be obtained without requiring advanced computing power, the environment estimation device can easily estimate the air stagnation in the target space without performing complex calculations such as CFD.
  • control unit (14) inputs information about the airflow in each of the multiple sections into which the second space (R2) is divided, calculated based on the propagation time, into the trained model (22, 122, 222, 422).
  • the estimation accuracy of the environment estimation device can be improved by using information about airflow for each section.
  • control unit (14) inputs information about the temperature of each of the multiple compartments into which the second space (R2) is divided, calculated based on the propagation time, into the trained model (22, 122, 222, 422).
  • temperature differences are likely to occur between the walls and the center of the target space. Even when the target space has windows, temperature differences are likely to occur near the windows and the surrounding areas.
  • information about the temperature of each compartment it is possible to obtain a certain amount of information about the room shape of the target space. This can improve the estimation accuracy of the environment estimation device.
  • control unit (14) inputs to the trained model a first parameter that is the sum of the propagation time on the outbound path and the propagation time on the return path when a sound wave travels back and forth along the same propagation path, and a second parameter that is the difference between the propagation time on the outbound path and the propagation time on the return path.
  • information about temperature can be obtained from the first parameter, and information about airflow can be obtained from the second parameter, thereby improving the estimation accuracy of the environment estimation device.
  • control unit (14) outputs information regarding the stagnation of the air for each of the multiple compartments into which the second space (R2) is divided.
  • the trained model (22, 122, 222, 422) is a model machine-learned by multi-output learning that outputs the air retention for each of the multiple compartments into which the first space (R1) is divided, and the control unit (14) outputs the air retention for each of the compartments in the second space (R2).
  • estimation can be made taking into account the conditions of not only a specific compartment but also the surrounding compartments.
  • estimation accuracy of the environment estimation device (10) can be improved.
  • the information regarding the air retention includes air age, air remaining life, or air lifespan.
  • the air stagnation in the target space can be qualitatively evaluated.
  • the eighth aspect relates to a display system (DS).
  • the display system (DS) includes any one of the first to seventh environment estimation devices (10, 310) and a display unit (50) that displays information related to the stagnation of air in the second space (R2).
  • the stagnation of air in the target space can be visually grasped.
  • the ninth aspect relates to an air conditioning system (AS).
  • the air conditioning system (AS) includes any one of the first to seventh environment estimation devices (10, 410) and an air conditioning device (AC) that conditions the air in the second space (R2), and the control unit (14) controls the air conditioning device based on information related to the stagnation of air in the second space (R2).
  • information regarding the stagnation of air in the target space can be easily obtained without performing complex calculations such as CFD, allowing for efficient air conditioning with as little load as possible.
  • a tenth aspect relates to an environmental estimation method.
  • the environmental estimation method includes the steps of inputting a parameter based on the propagation time from when a sound wave is emitted by a transmitter (31) into the second space (R2) until it is received by a receiver (32) into any one of the first to seventh environmental estimation devices (10,310), and displaying information relating to the stagnation of air in the second space (R2) output by the environmental estimation device (10,310).
  • An eleventh aspect relates to another environmental estimation method.
  • This environmental estimation method includes the steps of: inputting parameters based on the propagation time in a second space (R2) into a trained model (22,122,222,422) that has been trained using, as training data (41), parameters based on the propagation time from when a sound wave is emitted by a transmitter (31) into a first space (R1) until it is received by a receiver (32), and information related to the air retention in the first space (R1) that corresponds to the parameters; and outputting information related to the air retention in the second space (R2) estimated by the trained model (22,122,222,422).
  • a twelfth aspect relates to a program.
  • the program causes a computer to execute the environment estimation method of the eleventh aspect.
  • a thirteenth aspect relates to an environment estimation system (ES).
  • the environment estimation system (ES) includes a measurement unit (30) that measures the propagation time from when a sound wave is emitted by a transmitter (31) to when it is received by a receiver (32), and a control unit (14).
  • the control unit (14) inputs parameters based on the propagation time measured by the measurement unit (30) in a second space (R2) to a trained model (22,122,222,422) that has been trained using, as training data (41), parameters based on the propagation time measured by the measurement unit (30) in a first space (R1) and information related to the air stagnation in the first space (R1) that corresponds to the parameters, and outputs information related to the air stagnation in the second space (R2) estimated by the trained model (22,122,222,422).
  • a fifteenth aspect relates to a method for manufacturing a trained model.
  • the manufacturing method includes the steps of acquiring the propagation time required for a sound wave emitted by a transmitter (31) into a first space to be received by a receiver (32); acquiring information about the air stagnation in the first space (R1); and performing machine learning using parameters calculated based on the propagation time and information about the air stagnation in the first space (R1) corresponding to the parameters as training data (41), inputting parameters based on the propagation time in a second space (R2), and manufacturing a trained model (22, 122, 222, 422) that outputs information about the air stagnation in the second space (R2).
  • FIG. 1 is a block diagram of an environment estimation system including an environment estimation device according to a first embodiment.
  • FIG. 2 is a layout diagram of the measurement unit in the first space.
  • FIG. 3 is a flowchart showing a process for calculating the specific parameters.
  • FIG. 4 is a diagram for explaining the speed of airflow in the x and y directions within the section.
  • FIG. 5 is a conceptual diagram illustrating a method for producing a trained model.
  • FIG. 6 is a schematic diagram showing the airflow distribution.
  • FIG. 7 is a schematic diagram showing the temperature distribution.
  • FIG. 8 is a conceptual diagram illustrating the use of a trained model.
  • FIG. 9 is a graph showing the estimation accuracy of a trained model trained by a decision tree model.
  • FIG. 9 is a graph showing the estimation accuracy of a trained model trained by a decision tree model.
  • the trained model (22) is a model trained by machine learning based on the propagation time of sound waves measured in an indoor space other than the target space and the age of air in that other indoor space.
  • the indoor space that is the subject of the training data (41) of the trained model (22) is referred to as the first space (R1)
  • the indoor space that is the subject of estimation by the environment estimation device (10) is referred to as the second space (R2).
  • the measuring section (30) includes a transmitter (31), a receiver (32), and a temperature sensor (33). A plurality of measuring sections (30) are arranged in each second space (R2).
  • FIG. 2 shows an example of the arrangement of the measuring units (30) in the second space (R1).
  • the second space (R1) is an actual indoor space, and includes a window (W) and an air conditioning unit (AC).
  • W window
  • AC air conditioning unit
  • four measuring units (30) are arranged in the second space (R2).
  • Each measuring unit (30) is arranged at a corner of the second space (R2). Note that when the second space (R2) is large, measuring units (30) are also arranged in areas other than the corners.
  • Each measuring unit (30) has, for example, multiple free-standing poles that respectively support a transmitter (31), a receiver (32), and a temperature sensor (33). Each pole extends vertically. An adjustment mechanism is provided on each pole to adjust the height of the transmitter (31), etc. It is preferable that the height of the transmitter (31), etc. of each measuring unit (30) be set to the same height position by the adjustment mechanism. Each pole is movable. An operator transports each pole to the second space (R2) and installs it there.
  • the transmitter (31) emits sound waves into the second space (R2).
  • the transmitter (31) emits sound waves within an angular range that allows the sound waves to be received by the receivers (32) of all other measuring units (30).
  • the transmitter (31) generates sound waves over a range of approximately 90° in a planar view.
  • the transmitter (31) may be a directional transmitter or an omnidirectional transmitter.
  • the receiver (32) receives the sound waves transmitted from the transmitter (31).
  • the receiver (32) may be a directional receiver or an omnidirectional receiver.
  • the sound waves received by the receiver (32) include direct waves and reflected waves.
  • Direct waves are sound waves that are emitted from the transmitter (31) and reach the receiver (32) without colliding with the walls of the second space (R2).
  • Reflected waves are sound waves that are emitted from the transmitter (31), reflect off the walls of the second space (R2), and then reach the receiver (32).
  • the temperature sensor (33) measures the temperature around the measurement unit (30) in the second space (R2).
  • the temperature sensor (33) is, for example, an infrared sensor.
  • the environment estimation device (10) is, for example, a terminal such as a smartphone or a personal computer (PC).
  • the environment estimation device (10) is a mobile terminal such as a smartphone or a tablet PC.
  • the worker carries the environment estimation device (10) to the second space (R2) and operates the environment estimation device (10) to check the age of air in the second space (R2).
  • the environment estimation device (10) may be a stationary terminal such as a desktop PC.
  • the environment estimation device (10) includes a first communication unit (11), an operation unit (12), a memory unit (13), and a control unit (14).
  • the first communication unit (11) communicates with the measurement unit (30) and the server device (20) via wired or wireless communication.
  • the first communication unit (11) includes a communication module (communication equipment) such as a LAN board, and communicates wirelessly with the server device (20) via a network (N) such as the Internet.
  • the memory unit (13) is composed of ROM (Read Only Memory), RAM (Random Access Memory), flash memory, a hard disk drive, or a combination thereof.
  • the memory unit (13) stores sound wave path information.
  • the path information includes multiple propagation paths and the propagation path lengths corresponding to these propagation paths.
  • the memory unit (13) stores various first programs (131) executed by the control unit (14).
  • the control unit (14) includes a processor such as a CPU (Central Processing Unit) and an MPU (Micro Processing Unit), an electric circuit, and an electronic circuit.
  • the control unit (14) reads and executes the first program (131) to control the various components of the environment estimation device (10).
  • the control unit (14) calculates various specific parameters for estimating the stagnation of air in the second space (R2) from the propagation time of the sound waves measured by the measurement unit (30).
  • the control unit (14) calculates, as specific parameters, the airflow distribution in the second space (R2), the temperature distribution in the second space (R2), a first parameter which is the sum of the propagation time on the outbound path and the propagation time on the return path when the sound wave travels back and forth along the same propagation path, and a second parameter which is the difference between the propagation time on the outbound path and the propagation time on the return path.
  • the airflow distribution refers to the airflow in each of the multiple sections into which the second space (R2) is divided, and the temperature distribution refers to the temperature in each section.
  • the airflow is not just a scalar such as wind speed, but also a vector that includes the direction of flow.
  • the control unit (14) inputs the calculated specific parameters and the temperature detected by the temperature sensor (33) to the server device (20) via the first communication unit (11).
  • the server device 20 includes a second communication unit 21 and a trained model 22.
  • the trained model 22 is stored as a program in a storage unit of the server device 20.
  • the second communication unit (21) communicates with the environment estimation device (10) via wired or wireless communication.
  • the second communication unit (21) includes a communication module (communication equipment) such as a LAN board, and communicates wirelessly with the environment estimation device (10) via the network (N).
  • step ST101 if the initial setting of the control unit (14) has not been completed in step ST101, the initial setting of steps ST102 to ST104 is executed.
  • the second space (R2) is divided into 12 sections (A 1 to A 12 ) in a planar view.
  • the control unit (14) determines the plurality of propagation paths (P m ) such that one or more propagation paths (P m ) pass through each section (A n ).
  • the storage unit (13) stores the three-dimensional coordinates of the divided plurality of sections (A n ) and the three-dimensional coordinates of the determined plurality of propagation paths (P m ) as coordinate data.
  • the sections (A 1 to A 12 ) may be referred to as section 1 (A 1 ) to section 12 (A 12 ).
  • section (A n ) When it is not necessary to distinguish between the 12 sections (A 1 to A 12 ), they will simply be referred to as section (A n ).
  • the measurement units (30) are respectively arranged in the first compartment ( A1 ), the fourth compartment ( A4 ), the ninth compartment ( A9 ), and the twelfth compartment ( A12 ).
  • the windows (W) are arranged in the eleventh compartment ( A11 ) and the twelfth compartment ( A12 ), and the air conditioner (AC) is arranged in the ninth compartment ( A9 ).
  • the first compartment ( A1 ) to the fifth compartment ( A5 ) and the eighth compartment ( A8 ) to the tenth compartment ( A10 ) face the wall.
  • Figure 2 shows ten propagation paths ( P1 to P10 ).
  • the first propagation path ( P1 ), the third propagation path (P3), the fifth propagation path ( P5 ), the seventh propagation path ( P7 ), the eighth propagation path ( P8 ), and the tenth propagation path ( P10 ) are propagation paths of direct waves.
  • the second propagation path ( P2 ), the fourth propagation path ( P4 ), the sixth propagation path ( P6 ), and the ninth propagation path ( P9 ) are propagation paths of indirect waves reflected by the wall surfaces.
  • step ST104 the control unit (14) calculates the propagation path length (D m, n ) for each section (A n ) in the propagation path (P m ) determined in step ST103.
  • the propagation path length (D m,n ) is the length of the path obtained by dividing the entire propagation path (P m ) into each section (A n ).
  • FIG. 2 illustrates the propagation path length of the first propagation path (P 1 ).
  • the first propagation path (P 1 ) passes through the first section (A 1 ), the fifth section (A 5 ), and the ninth section (A 9 ).
  • the propagation path lengths corresponding to the first propagation path (P 1 ) are D 1,1 , D 1,5 , and D 1,9 .
  • the total length of the first propagation path (P 1 ) is D 1,1 + D 1,5 + D 1,9 .
  • step ST104 the control unit (14) determines each propagation path length (D m,n ) based on the stored coordinate data. In addition, the control unit (14) calculates the incidence angle ⁇ of the sound waves incident on each receiver (32) from the multiple propagation paths (P m ) based on the coordinate data. In step ST104, the storage unit (13) associates the multiple propagation paths (P m ), the incidence angles corresponding to each of these propagation paths (P m ), and the propagation path lengths (D m,n ) corresponding to these propagation paths (P m ) with each other, and stores them as initial data.
  • a first process is executed.
  • the first process is a process of measuring the propagation time of the sound wave along each propagation path (P m ).
  • the propagation time is the time from when the transmitter (31) transmits the sound wave until the sound wave is received by the receiver (32).
  • the first process will be described in detail later.
  • step ST106 the control unit (14) calculates a first parameter for each propagation path (P m ) based on the propagation time obtained in the first process.
  • step ST107 the control section (14) calculates the temperature distribution in the second space (R2), that is, the temperature of each section (A n ), based on the first parameter.
  • step ST108 the control unit (14) calculates a second parameter for each propagation path (P m ) based on the propagation time obtained in the first process.
  • step ST109 the control section (14) calculates the airflow distribution in the second space (R2), that is, the airflow in each section (A n ), based on the second parameter and the detected temperature.
  • the propagation speed of sound waves (C) can be expressed by the following equation (A):
  • the propagation time T + of each measurement sound wave on the outward path is expressed by the following relational expression using the propagation path length D and wind speed V.
  • Vcos ⁇ represents the airflow speed in the x direction
  • Vsin ⁇ represents the airflow speed in the y direction.
  • the control unit (14) may, for example, use the detected temperatures for the first section (A 1 ), fourth section (A 4 ), ninth section (A 9 ), and twelfth section (A 12 ), and may use the temperatures (t n ) calculated by equation (E) for the remaining sections.
  • a formula for calculating airflow can be obtained based on the second parameter, which is the difference between the propagation time on the outbound path and the propagation time on the return path. Specifically, the following relationship holds based on equations (A) to (C):
  • the trained model (22) is a model that has undergone machine learning using, as training data (41), a data set of parameters based on the propagation time from the sound wave emitted by the transmitter (31) to the receiver (32) being received by the receiver (32), the detected temperature detected by the temperature sensor (33), and the age-of-air distribution in the first space (R1) corresponding to the parameters and the detected temperature.
  • the parameters and the detected temperature correspond to explanatory variables, and the age-of-air corresponds to a target variable.
  • the parameters are calculated by the calculation device (40) based on the propagation time measured by the measurement unit (30).
  • the parameters are the same as the specific parameters described above, namely, the airflow distribution in the first space (R1), the temperature distribution in the first space (R1), the first parameter, and the second parameter.
  • the calculation device (40) may be the environment estimation device (10).
  • the calculation device (40) calculates the specific parameters according to the flowchart of FIG. 3, similar to the control unit (14).
  • the air age distribution is a binarized distribution indicating regions where the air age is equal to or greater than a predetermined value and regions where the air age is less than the predetermined value.
  • the air age distribution is estimated separately, for example, by CFD. Note that the measurement unit (30) used to calculate the training data (41) and the measurement unit (30) used to estimate the air age distribution in the second space (R2) do not need to be strictly the same, as long as they have the same configuration.
  • the training data (41) is sent to a learning device (43).
  • the learning device (43) performs machine learning using the training data (41) to produce a trained model (22).
  • the learning device (43) performs machine learning by multi-output learning using the age of air for each of the sections (A n ) obtained by dividing the first space (R1) into a plurality of sections as a target variable.
  • the produced trained model (22) is stored in the server device (20).
  • the learning device (43) may be the server device (20).
  • Figure 6 shows an example of airflow distribution calculated by the calculation device (40).
  • the first space (R1) has the same configuration as in Figure 2.
  • the direction of the airflow is indicated by the direction of the arrow, and the magnitude of the wind speed is indicated by the size of the arrow. In reality, the wind speed is calculated numerically.
  • the wind speeds in the fifth section ( A5 ), the ninth section ( A9 ), the eleventh section ( A11 ), and the twelfth section ( A12 ) are higher than those in the other sections.
  • the wind speeds in the fifth section ( A5 ) and the ninth section ( A9 ) are due to the influence of the air conditioning unit (AC), while the wind speeds in the eleventh section ( A11 ) and the twelfth section ( A12 ) are due to the influence of the outside air introduced through the window (W).
  • the second section ( A2 ), the third section ( A3 ), the fourth section ( A4 ), the seventh section ( A7 ), and the eighth section ( A8 ) have lower wind speeds than the other sections.
  • a lower wind speed means that air tends to stagnate. In other words, the airflow distribution can be used to estimate which sections are likely to have a high age of air.
  • Fig. 7 shows an example of the temperature distribution calculated by the arithmetic unit (40).
  • the first space (R1) has the same configuration as in Fig. 2.
  • Fig. 7 shows the temperature in each section (A n ) in four levels. Level 1 is the lowest temperature, followed by levels 2, 3, and 4, in that order. In practice, the temperature is calculated numerically.
  • the 11th compartment ( A11 ) and the 12th compartment ( A12 ) have low temperatures. This is because the 11th compartment ( A11 ) and the 12th compartment ( A12 ) have windows (W).
  • the 1st compartment ( A1 ), the 2nd compartment ( A2 ), the 5th compartment ( A5 ), and the 9th compartment ( A9 ) have relatively low temperatures. This is because they include wall surfaces.
  • the temperature distribution reflects the position of windows and walls in the first space (R1). By using the temperature distribution, it is possible to estimate the room shape, including the position of furniture, to a certain extent, even if room shape data is not available.
  • the fourth compartment ( A4 ) has a higher temperature than the other compartments despite the absence of a heat source. In locations where air tends to stagnate, the temperature difference with the surrounding compartments tends to be large. In other words, it can be assumed that compartments such as the fourth compartment ( A4 ), which have a higher temperature than the surrounding compartments, have a higher age of air.
  • the server device (20) performs machine learning to output a binarized air age distribution indicating whether the air age is greater than or equal to a predetermined value or less than a predetermined value.
  • the machine learning method used by the server device (20) may be a neural network, support vector machine, decision tree, gradient boosting, bagging, random forest, linear regression, ridge regression, Lasso regression, or the like.
  • the server device (20) may perform machine learning by combining the aforementioned machine learning methods.
  • the measurement unit (30) inputs the propagation time and the detected temperature measured in the second space (R2) to the control unit (14).
  • the control unit (14) calculates the airflow distribution in the second space (R2), the temperature distribution in the second space (R2), the first parameter, and the second parameter from the propagation time.
  • the control unit (14) inputs explanatory variables consisting of the airflow distribution, temperature distribution, first parameter, second parameter, and detected temperature into the trained model (22).
  • the trained model (22) outputs the air age distribution estimated from the explanatory variables as the objective variable.
  • the output air age distribution is transmitted to the control unit (14).
  • the control unit (14) then outputs the estimated air age distribution.
  • Model 1 airflow distribution, temperature distribution, first parameter, second parameter, and detected temperature
  • Model 2 airflow distribution
  • Model 3 first parameter and second parameter
  • Model 4 airflow distribution and temperature distribution
  • Model 5 airflow distribution, temperature distribution, first parameter, and second parameter.
  • Model 1 corresponds to the trained model (22) in this embodiment 1.
  • Model 2 has the lowest estimation accuracy of the five models, at around 60%.
  • Models 3 to 5 have similar estimation accuracy, at around 80%.
  • Model 1 has the highest estimation accuracy of the five models, at around 83%.
  • temperature distribution is used as an explanatory variable in addition to airflow distribution.
  • temperature distribution is affected by room shape, so when temperature distribution is used, the estimation results will reflect room shape to some extent.
  • both airflow distribution and temperature distribution provide information that can be used to estimate compartments where air is likely to stagnate, using both airflow distribution and temperature distribution improves the accuracy of estimating the age of air.
  • Model 3 uses only the first and second parameters.
  • the first parameter is a parameter related to temperature distribution
  • the second parameter is a parameter related to airflow distribution. Learning using both the first and second parameters as explanatory variables can be said to be learning while taking into account both airflow distribution and temperature distribution.
  • Model 1 increases to approximately 85% compared to when a trained model is created using only decision trees.
  • the estimation accuracy of Models 3 to 5 also increases to approximately 85%.
  • the estimation accuracy of Model 2 also increases slightly.
  • FIG. 11 shows the configuration of a display system (DS) equipped with an environment estimation device (10).
  • the display system (DS) comprises an environment estimation device (10), a server device (20), and a display unit (50).
  • the environment estimation device (10) and the server device (20) are the same as the environment estimation device (10) and the server device (20) in the environment estimation system described above, so detailed description will be omitted.
  • the display unit (50) displays the air age distribution in the second space (R2) output by the environment estimation device (10).
  • the display unit (50) includes, for example, a liquid crystal panel and displays images.
  • the display unit (50) may also function as a touch panel.
  • step ST201 the control unit (14) acquires the propagation time and the detected temperature.
  • the control unit (14) acquires the propagation time and the detected temperature in the same manner as in steps ST101 to ST105 described above.
  • control unit (14) calculates specific parameters.
  • the control unit (14) calculates the airflow distribution in the second space (R2), the temperature distribution in the second space (R2), the first parameter, and the second parameter.
  • step ST203 the control unit (14) inputs the specific parameters calculated in step ST202 and the detected temperature into the trained model (22).
  • step ST204 the control unit (14) acquires the air age distribution for the second space (R2) output by the trained model.
  • step ST205 the control unit (14) causes the display unit (50) to display the acquired age-of-air distribution.
  • Fig. 13 shows an example of the age of air distribution displayed on the display unit (50).
  • windows (W) are provided in the ninth compartment ( B9 ) and the tenth compartment ( B10 ), and an air conditioner (AC) is provided in the twelfth compartment ( B12 ).
  • the first compartment ( B1 ) to the fifth compartment ( B5 ), the eighth compartment ( B8 ), the eleventh compartment ( B11 ), and the twelfth compartment ( A12 ) face the wall.
  • the trained model (22) of the first embodiment outputs a binarized air age distribution.
  • the black hatched areas are areas where the air age is estimated to be higher than a predetermined value.
  • the first section ( B1 ), the second section ( B3 ), the fifth section ( B5 ), and the eleventh section ( B11 ) are estimated to have air ages higher than the predetermined value.
  • the control unit (14) inputs parameters based on the propagation time in the second space (R2) into a trained model (22) that has been trained using training data (41) including parameters based on the propagation time from when a sound wave emitted from a transmitter (31) to the first space (R1) is received by a receiver (32) and an air age distribution in the first space (R1) corresponding to the parameters.
  • the control unit (14) then outputs the air age distribution in the second space (R2) estimated by the trained model (22).
  • the air age distribution in the second space (R2) can be obtained from parameters based on the propagation time of the sound wave emitted to the second space (R2).
  • the propagation time-based parameters can be obtained without requiring advanced computing power.
  • the environment estimation device (10) can easily estimate the air age distribution in the second space (R2) without performing complex calculations such as CFD. Furthermore, since the air age distribution can be estimated with a smaller load than CFD, it is possible to obtain the air age distribution in real time.
  • control unit (14) inputs information about the airflow for each of the multiple compartments into which the second space (R2) is divided, calculated based on the propagation time, into the trained model (22). Compared to surrounding compartments, air is more likely to stagnate in compartments with lower wind speeds. Furthermore, when the airflow forms a vortex, it can be estimated that air is stagnating even if the wind speed is relatively high. Therefore, by using information about the airflow for each compartment, the estimation accuracy of the environment estimation device (10) can be improved.
  • the control unit (14) inputs information about the temperature of each of the multiple compartments into which the second space (R2) is divided, calculated based on the propagation time, into the trained model (22).
  • the temperature of each compartment is affected by objects contained in the compartment, such as windows, furniture, and walls.
  • the information about the temperature of each compartment can serve as a substitute for room shape data.
  • the air age distribution can also be estimated from the information about the temperature of each compartment. Therefore, by using the information about the temperature of each compartment, the estimation accuracy of the environment estimation device (10) can be improved.
  • the control unit (14) inputs to the trained model (22) a first parameter, which is the sum of the propagation time on the outbound path and the propagation time on the return path when a sound wave travels back and forth along the same propagation path, and a second parameter, which is the difference between the propagation time on the outbound path and the propagation time on the return path.
  • the first parameter is a parameter related to temperature
  • the second parameter is a parameter related to airflow.
  • Using the first parameter means taking temperature into consideration
  • using the second parameter means taking airflow into consideration.
  • the first and second parameters are information closer to the raw value of propagation time than wind speed or temperature, and can therefore be said to be parameters that more accurately reflect the actual air condition. Therefore, using the first and second parameters can improve the estimation accuracy of the environment estimation device (10).
  • the estimation accuracy of the environment estimation device (10) can be improved.
  • control unit (14) outputs the age of air distribution for each of the multiple sections into which the second space (R2) is divided. This makes it possible to identify positions in the second space (R2) that are highly stagnant.
  • the trained model (22) is a model trained by machine learning using multi-output learning that outputs the age of air for each of the multiple compartments into which the first space (R1) is divided, and the control unit (14) outputs the age of air for each compartment of the second space (R2).
  • Multi-output learning enables estimation that takes into account the conditions of not only a specific compartment but also the surrounding compartments. When estimating the age of air for each compartment, the estimation accuracy of the environment estimation device (10) can be improved.
  • the air age distribution in the second space (R2) is displayed on the display unit (50).
  • the display unit (50) allows the air age distribution output by the environment estimation device (10) to be visually grasped.
  • a network may be interposed between the environment estimation device (10), the measurement unit (30), and the display unit (50).
  • the environment estimation device (10) may be realized by cloud computing.
  • the control unit (114) of the environment estimation device may be integrated with the server device (120).
  • the server device (120) functions as the environment estimation device.
  • a program (115) for the control unit (114) to execute processing is stored in the memory unit (113) of the server device (120).
  • a trained model (122) is stored in the memory unit (113).
  • the trained model (222) may be stored in the memory unit (213) of the environment estimation device (210).
  • the display unit (50) may be an integrated device with the environment estimation device (10).
  • an air conditioning system (AS) having an environment estimation device (10) includes a measurement unit (30), a server device (20), and an air conditioner (AC).
  • the environment estimation device (10) is connected to the measurement unit (30), the server device (20), and the air conditioner (AC) via a network (N) such as the Internet.
  • N such as the Internet.
  • the configurations of the measurement unit (30), the environment estimation device (10), and the server device (20) are the same as those in the first embodiment, and therefore description thereof will be omitted.
  • FIG. 18 is a schematic piping diagram of an air conditioning apparatus (AC), and FIG. 19 is a schematic perspective view of the air conditioning apparatus (AC).
  • the air conditioning unit (AC) adjusts the temperature of the air in the second space (R2).
  • the air conditioning unit (AC) performs cooling and heating operations. In cooling operation, the air conditioning unit (AC) cools the air in the second space (R2). In heating operation, the air conditioning unit (AC) heats the air in the second space (R2).
  • the air conditioner (AC) includes a refrigerant circuit (301).
  • the refrigerant circuit (301) is filled with refrigerant.
  • the refrigerant circuit (301) performs a refrigeration cycle by circulating the refrigerant.
  • the air conditioner (AC) comprises an outdoor unit (320), an indoor unit (330), a first connecting pipe (302), a second connecting pipe (303), and a remote controller (RC).
  • the air conditioner (AC) is a pair type having one outdoor unit (320) and one indoor unit (230).
  • the first connecting pipe (302) is a gas connecting pipe
  • the second connecting pipe (303) is a liquid connecting pipe.
  • the outdoor unit (320) is installed outdoors.
  • the outdoor unit (320) includes an outdoor casing (320a) and outdoor elements housed in the outdoor casing (320a).
  • the outdoor elements include a compressor (321), an outdoor heat exchanger (322), an expansion valve (323), a four-way switching valve (324), and an outdoor fan (325).
  • the four-way switching valve (324) connects the discharge port of the compressor (321) to the first connecting pipe (302) and also connects the suction port of the compressor (321) to the gas end of the outdoor heat exchanger (322).
  • the outdoor fan (325) is a propeller fan.
  • the outdoor unit (320) is controlled by the outdoor control unit (OC).
  • the indoor unit (330) comprises an indoor casing (330a) and indoor elements housed in the indoor casing (330a).
  • the indoor elements include an indoor heat exchanger (331), an indoor fan (332), and a flap (333).
  • the indoor heat exchanger (331) is a fin-and-tube type.
  • the indoor fan (332) is a cross-flow fan.
  • the flap (333) adjusts the direction of airflow into the second space (R2).
  • the indoor unit (330) is controlled by the indoor control unit (IC).
  • the remote controller (RC) has a display unit (341) and an operation unit (342).
  • the display unit (341) is an example of the notification unit of the present disclosure.
  • the display unit (341) is a display such as an LCD screen.
  • the operation unit (342) is composed of buttons operated by the user.
  • the display unit (341) and the operation unit (342) may be combined into a touch panel.
  • the air age distribution estimated by the trained model (22) is input to the environment estimation device (10) via the second communication unit (21).
  • the control unit (14) inputs the estimated air age distribution to the outdoor control unit (OC), the indoor control unit (IC), or the remote controller (RC).
  • the air conditioning unit (AC) conditions the air in the second space (R2) based on the input air age distribution. For example, it adjusts the air volume from the indoor fan (332) and the direction of the flap (333) so that air is blown to the area with a high air age.
  • the air conditioning of the second space (R2) is performed by the air conditioner (AC) based on the air age distribution of the second space (R2) output from the control unit (14).
  • the air conditioner AC
  • Performing complex calculations such as CFD takes time to calculate the air age distribution, and there is a risk that the air age distribution will have changed by the time air conditioning is actually performed.
  • the trained model (22) to calculate the air age distribution from parameters based on the sound wave propagation time, the air age distribution of the second space (R2) can be easily obtained with as little load as possible.
  • the air conditioning system (AS) can perform air conditioning efficiently.
  • the environment estimation device (410) may be integrated with the air conditioning device (AC), as shown in Fig. 20.
  • the trained model (422) is stored in a storage unit (413).
  • the environment estimation device (410) may be mounted on any of the outdoor unit (320), the indoor unit (330), and the remote controller (RC), or may be configured as a combination of these.
  • the control unit (414) is configured as an outdoor control unit (OC).
  • the control unit (414) is configured as an indoor control unit (IC).
  • control unit (14) may calculate the airflow distribution and the temperature distribution using room shape data.
  • the trained model (22, 122, 222, 422) may be a model to which the CO2 concentration in the second space (R2) is added as an additional explanatory variable.
  • the CO2 concentration in the second space (R2) may be measured, for example, by installing a CO2 concentration sensor in the measurement unit (30).
  • the trained model (22,122,222,422) used was the aforementioned Model 1.
  • the trained models (22,122,222,422) may also use Models 2 to 5.
  • Model 2 which estimates only from airflow distribution, has lower estimation accuracy than the other models, but is more advantageous than using CFD in that it only requires measuring the propagation time of sound waves in the second space (R2), obtains estimation results that reflect the actual shape of the second space (R2), and provides information on air stagnation in real time.
  • the trained model (22, 122, 222, 422) may output information about air retention, such as air lifespan and remaining air lifespan.
  • Air lifespan is the time from when outside air is introduced into the second space (R2) until it is exhausted.
  • Air lifespan is the value obtained by subtracting the air age from the air lifespan.
  • the trained model (22, 122, 222, 422) may be a model trained by machine learning to output the age of air as a numerical value.
  • the control unit (14) may control the display unit (50) to display the age of air distribution in the second space (R2) as a contour diagram.
  • the trained model (22, 122, 222, 422) may be a model trained to output the difference from the standard deviation of the calculated age of air, skewness, kurtosis, etc.
  • the learning method used to create the trained model does not have to be ensemble learning. As shown in Figure 9, even if a simple decision tree is used as the learning method, a certain degree of estimation accuracy can be achieved.
  • the trained model (22) may be a model that estimates the age of air in a specific compartment from the airflow and temperature in the specific compartment.
  • the control unit (14) may receive the age of air in each compartment estimated by the trained model (22, 122, 222, 422) and then process the display unit (50) to display the air age distribution throughout the second space (R2).
  • the first space (R1) and the second space (R2) may be the same space. That is, the trained model (22, 122, 222, 422) may be a model produced by performing real-time learning using parameters based on the propagation time in the second space (R2) and information indicating the stagnation of air in the second space (R2).
  • the calculation device (40) shown in FIG. 3 is configured as a control unit (14).
  • the measuring unit (30) does not have to be portable.
  • the measuring unit (30) may be embedded in the wall or ceiling of the indoor space.
  • the present disclosure is useful for environmental estimation devices, display systems, air conditioning systems, environmental estimation methods, programs, environmental estimation systems, and methods for manufacturing trained models.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

環境推定装置（10）の制御部（14）は、第１空間（R1）に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータと、パラメータに対応した第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として学習された学習済みモデル（22）に、第２空間（R2）における伝搬時間に基づくパラメータを入力し、学習済みモデル（22）により推定された前記第２空間（R2）における空気の滞留性に関する情報を出力する。

Description

環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法
　本開示は、環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法に関する。
　特許文献１には、空気調和システムが開示されている。空気調和システムは、対象空間を空気調和する空調装置と、対象空間に外気を導入する換気装置と、対象空間の環境状態を検出する検出手段と、対象空間における温熱環境分布情報および空気の新鮮度を示す指標である空気齢の分布である空気齢分布を計算する流体解析手段と、を備える。特許文献１の空気調和システムは、流体解析手段の解析結果に基づいて、空調装置および換気装置に設定する制御パターンを決定する。
国際公開第２０２３／０６２６８１号
　特許文献１では、流体解析手段は、ＣＦＤ（Computational Fluid Dynamics）を用いて、対象空間における空気の滞留性に関する情報として、空気齢分布を算出する。しかしながら、ＣＦＤは、以下の点においてデメリットがある。
・境界条件として、吸排気口を含む詳細な室形状データ、壁からの侵入熱、内部発熱などの複雑なデータが必要である。
・対象空間を３次元モデル化した上で解析を行うため、詳細な室データがあったとしても、実際の対象空間の状況を反映することが困難である。
・専門的な知識と高度な計算能力が必要であり、多大な工数を必要とする。
　本開示の目的は、対象空間における空気の滞留性を簡単に推定することにある。
　第１の態様は、制御部（14）を備える環境推定装置を対象とする。制御部（14）は、第１空間（R1）に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として学習された学習済みモデル（22,122,222,422）に、第２空間（R2）における前記伝搬時間に基づくパラメータを入力し、前記学習済みモデル（22,122,222,422）により推定された前記第２空間（R2）における空気の滞留性に関する情報を出力する。
　第１の態様では、学習済みモデル（22,122,222,422）は、第１空間（R1）に対して発信された音波の伝搬時間に基づくパラメータと、パラメータに対応する第１空間（R1）における空気の滞留性に関する情報とにより学習されている。学習済みモデル（22,122,222,422）を用いることで、対象空間である第２空間（R2）に対して発信された音波の伝搬時間に基づくパラメータから、第２空間（R2）における空気の滞留性に関する情報を得ることができる。伝搬時間に基づくパラメータは高度な計算能力を要することなく得られるため、環境推定装置は、ＣＦＤのような複雑な計算を行うことなく、対象空間における空気の滞留性を簡単に推定できる。
　第２の態様は、第１の態様において、前記制御部（14）は、前記伝搬時間に基づいて算出される、前記第２空間（R2）を複数に分割した区画毎の気流に関する情報を前記学習済みモデル（22,122,222,422）に入力する。
　第２の態様では、区画毎の気流に関する情報を利用することで、環境推定装置の推定精度を高くできる。
　第３の態様は、第１または第２の態様において、前記制御部（14）は、前記伝搬時間に基づいて算出される、前記第２空間（R2）を複数に分割した区画毎の温度に関する情報を前記学習済みモデル（22,122,222,422）に入力する。
　第３の態様では、対象空間の壁付近と中央付近とでは温度差が生じやすい。対象空間に窓が設けられているときにも、窓付近は周囲の領域と温度差が生じやすい。区画毎の温度に関する情報を利用することで、対象空間の室形状に関する情報をある程度得ることができる。これにより、環境推定装置の推定精度を高くできる。
　第４の態様は、第１～第３の態様いずれか１つにおいて、前記制御部（14）は、同じ伝搬経路を音波が往復したときの往路の伝搬時間と復路の伝搬時間との和である第１パラメータと、前記往路の伝搬時間と前記復路の伝搬時間との差である第２パラメータとを前記学習済みモデルに入力する。
　第４の態様では、第１パラメータから温度に関する情報を得ることができ、第２パラメータから気流に関する情報を得ることができるため、環境推定装置の推定精度を高くできる。
　第５の態様は、第１～第４の態様いずれか１つにおいて、前記制御部（14）は、前記第２空間（R2）を複数に分割した区画毎に前記空気の滞留性に関する情報を出力する。
　第５の態様では、対象空間における滞留性の高い位置を特定することができる。
　第６の態様は、第５の態様において、前記学習済みモデル（22,122,222,422）は、前記第１空間（R1）を複数に分割した区画毎の前記空気の滞留性を出力とする多出力学習により機械学習されたモデルであり、前記制御部（14）は、前記第２空間（R2）の前記区画毎に空気の滞留性を出力する。
　第６の態様は、多出力学習とすることで特定の区画のみではなく、周囲の区画の状態を考慮した推定が可能となる。区画毎の前記空気の滞留性を推定する場合に、環境推定装置（10）の推定精度を高くできる。
　第７の態様は、第１～第６のいずれか１つにおいて、前記空気の滞留性に関する情報は、空気齢、空気余命、または空気寿命を含む。
　第７の態様では、対象空間の空気の滞留性について定性的に評価できる。
　第８の態様は、表示システム（DS）を対象とする。表示システム（DS）は、第１～第７のいずれか１つの環境推定装置（10,310）と、前記第２空間（R2）の空気の滞留性に関する情報を表示する表示部（50）と、を備える。
　第８の態様では、対象空間の空気の滞留性を視覚的にとらえることができる。
　第９の態様は、空気調和システム（AS）を対象とする。空気調和システム（AS）は、第１～第７のいずれか１つの環境推定装置（10,410）と、前記第２空間（R2）の空気調和を行う空気調和装置（AC）と、を備え、前記制御部（14）は、前記第２空間（R2）の空気の滞留性に関する情報に基づいて前記空気調和装置を制御する。
　第９の態様では、ＣＦＤ等の複雑な計算を行うことなく、対象空間の空気の滞留性に関する情報を簡単に得られるため、できる限り小さい負荷で効率的に空気調和を行うことができる。
　第１０の態様は、環境推定方法を対象とする。環境推定方法は、第１～第７のいずれか１つの環境推定装置（10,310）に、前記第２空間（R2）に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータを入力するステップと、前記環境推定装置（10,310）により出力された前記第２空間（R2）における空気の滞留性に関する情報を表示するステップと、を備える。
　第１１の態様は、別の環境推定方法を対象とする。環境推定方法は、第１空間（R1）に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として学習された学習済みモデル（22,122,222,422）に、第２空間（R2）における前記伝搬時間に基づくパラメータを入力するステップと、前記学習済みモデル（22,122,222,422）により推定された前記第２空間（R2）における空気の滞留性に関する情報を出力するステップと、を備える。
　第１２の態様は、プログラムを対象とする。プログラムは、第１１の態様の環境推定方法をコンピュータに実行させるためのプログラムである。
　第１３の態様は、環境推定システム（ES）を対象とする。環境推定システム（ES）は、送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間を測定する測定部（30）と、制御部（14）と、を備え、前記制御部（14）は、第１空間（R1）において前記測定部（30）により測定された前記伝搬時間に基づくパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として学習された学習済みモデル（22,122,222,422）に、第２空間（R2）において前記測定部（30）により測定された前記伝搬時間に基づくパラメータを入力し、前記学習済みモデル（22,122,222,422）により推定された前記第２空間（R2）における空気の滞留性に関する情報を出力する。
　第１４の態様は、第１３の態様において、前記測定部（30）とネットワーク（N）を介して接続されたサーバ装置（120）を備え、前記サーバ装置（120）は、前記制御部（14）を含む。
　第１５の態様は、学習済みモデルの製造方法を対象とする。製造方法は、送信機（31）が第１空間に発信した音波を受信機（32）が受信するまでの伝搬時間を取得するステップと、前記第１空間（R1）の空気の滞留性に関する情報を取得するステップと、前記伝搬時間に基づいて算出されるパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として機械学習を行って、第２空間（R2）における前記伝搬時間に基づくパラメータを入力して、前記第２空間（R2）における空気の滞留性に関する情報を出力する学習済みモデル（22,122,222,422）を製造するステップと、を備える。
図１は、実施形態１に係る環境推定装置を有する環境推定システムのブロック図である。 図２は、第１空間における測定部の配置図である。 図３は、特定パラメータを算出するフローチャートである。 図４は、区画内のｘ方向及びｙ方向の気流の速度を説明するための図である。 図５は、学習済みモデルの製造方法を示す概念図である。 図６は、気流分布を示す概略図である。 図７は、温度分布を示す概略図である。 図８は、学習済みモデルの利用を示す概念図である。 図９は、決定木モデルにより学習された学習済みモデルの推定精度を示すグラフである。 図１０は、アンサンブル学習により学習された学習済みモデルの推定精度を示すグラフである。 図１１は、環境推定装置を有する表示システムのブロック図である。 図１２は、環境推定のフローチャートである。 図１３は、表示部に表示される空気齢分布の一例である。 図１４は、表示システムの変形例１を示すブロック図である。 図１５は、表示システムの変形例２を示すブロック図である。 図１６は、表示システムの変形例３を示すブロック図である。 図１７は、実施形態２に係る環境推定装置を有する空気調和システムのブロック図である。 図１８は、空気調和装置の配管系統図である。 図１９は、空気調和装置の概略の斜視図である。 図２０は、空気調和システムの変形例を示すブロック図である。
　以下、本開示の実施形態について、図面を参照しながら詳細に説明する。なお、本開示は、以下に示される実施形態に限定されるものではなく、本開示の技術的思想を逸脱しない範囲内で各種の変更が可能である。各図面は、本開示を概念的に説明するためのものであるから、理解容易のために必要に応じて寸法、比または数を誇張または簡略化して表す場合がある。
　〈実施形態１〉
　（１）環境推定システムの全体構成
　図１に示すように、環境推定装置（10）を有する環境推定システム（ES）は、測定部（30）と、サーバ装置（20）とを有する。測定部（30）は、対象空間に対して音波を発して、音波の伝搬時間（ToF：Time　of　Flight）を計測する。対象空間は、室内空間である。環境推定装置（10）は、伝搬時間に基づいて推定された対象空間における空気の滞留性に関する情報を出力する。サーバ装置（20）は、環境推定装置（10）とネットワーク（N）を介して接続される。サーバ装置（20）は、対象空間における空気の滞留性を推定するために利用される。空気の滞留性とは、空気の淀みを表す。なお、本実施形態１において、空気の滞留性に関する情報は、対象空間における空気齢である。空気齢は、対象空間内に入ってきた空気が、対象空間内に滞在している時間を示す。空気齢が短いほど空気が新鮮であることを示し、一方、空気齢が高い場所ほど空気が淀んでいることを示す。空気齢により、対象空間の淀みの状態を把握できる。
　本実施形態１においては、後述する学習済みモデル（22）を利用して、対象空間における空気の滞留性に関する情報を出力する。学習済みモデル（22）は、対象空間とは別の室内空間を対象にして測定された音波の伝搬時間と、別の室内空間の空気齢とに基づいて機械学習されたモデルである。以下の説明において、学習済みモデル（22）の教師データ（41）の対象となっている室内空間を第１空間（R1）といい、環境推定装置（10）の推定対象となる室内空間を第２空間（R2）という。
　（１－１）測定部
　測定部（30）は、送信機（31）と、受信機（32）と、温度センサ（33）とを含む。測定部（30）は、１つの第２空間（R2）に対して複数配置される。
　図２は、第２空間（R1）における測定部（30）の配置の一例を示す。第２空間（R1）は、実際の室内空間であり、窓（W）や空気調和装置（AC）が配置されている。本例では、第２空間（R2）には、４つの測定部（30）が配置される。各測定部（30）は、第２空間（R2）の角部にそれぞれ配置される。なお、第２空間（R2）が広いときには、角部以外の領域にも測定部（30）が配置される。
　各測定部（30）は、例えば、送信機（31）、受信機（32）、及び温度センサ（33）をそれぞれ支持する自立式の複数のポールを有する。各ポールは、鉛直方向に延びている。各ポールには、送信機（31）等の高さを調節する調節機構が設けられる。各測定部（30）の送信機（31）等の高さは、調節機構により同じ高さ位置に設定されるのが好ましい。各ポールは、移動可能である。作業者は、各ポールを第２空間（R2）まで搬送して、第２空間（R2）に設置する。
　送信機（31）は、第２空間（R2）に対して音波を発信する。送信機（31）は、自己が発信する音波が他の全ての測定部（30）の受信機（32）に受信できる角度範囲で音波を発信する。例えば、送信機（31）は、平面視において約９０°に亘る範囲に音波を発生する。送信機（31）は、指向性の送信機でも、無指向性の送信機でもよい。
　受信機（32）は、送信機（31）から発信された音波を受信する。受信機（32）は、指向性の受信機でも、無指向性の受信機でもよい。
　受信機（32）に受信される音波は、直接波および反射波を含む。直接波は、送信機（31）から発信された後、第２空間（R2）の壁面などに衝突せずに受信機（32）に届く音波である。反射波は、送信機（31）から発信された後、第２空間（R2）の壁面に反射してから、受信機（32）に届く音波である。
　温度センサ（33）は、第２空間（R2）における測定部（30）の周囲の温度を測定する。温度センサ（33）は、例えば、赤外線センサで構成される。
　（１－２）環境推定装置
　環境推定装置（10）は、例えば、スマートフォン、及びＰＣ（Personal Computer）のような端末である。本実施形態１では、環境推定装置（10）はスマートフォン及びタブレットＰＣのような携帯端末である。本実施形態１では、作業者は、環境推定装置（10）を携帯して第２空間（R2）まで赴き、環境推定装置（10）を操作して、第２空間（R2）の空気齢を確認するための作業を行う。なお、環境推定装置（10）は、デスクトップＰＣのような据え置き型の端末でもよい。
　環境推定装置（10）は、第１通信部（11）と、操作部（12）と、記憶部（13）と、制御部（14）と、を備える。
　第１通信部（11）は、測定部（30）およびサーバ装置（20）と有線又は無線で通信する。第１通信部（11）は、例えば、ＬＡＮボードのような通信モジュール（通信機器）を含み、インターネットなどのネットワーク（N）を介してサーバ装置（20）と無線通信する。
　操作部（12）は、環境推定装置（10）を外部から操作する。操作部（12）は、タッチパネル、キーボード、マウス等の入力デバイスで構成される。
　記憶部（13）は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、フラッシュメモリ、ハードディスクドライブ、およびそれらの組み合わせで構成される。記憶部（13）は、音波の経路情報を記憶する。経路情報は、複数の伝搬経路およびこれらの伝搬経路に対応する伝搬経路長である。
　記憶部（13）は、制御部（14）によって実行される種々の第１プログラム（131）を記憶する。
　制御部（14）は、ＣＰＵ（Central Processing Unit）およびＭＰＵ（Micro Processing Unit）のようなプロセッサ、電気回路、および電子回路を含む。制御部（14）は、第１プログラム（131）を読み出して実行することにより、環境推定装置（10）としての各所構成要素を制御する。
　制御部（14）は、測定部（30）により計測された音波の伝搬時間から、第２空間（R2）の空気の滞留性を推定するための種々の特定パラメータを算出する。本実施形態１では、制御部（14）は、第２空間（R2）の気流分布、第２空間（R2）の温度分布、同じ伝搬経路を音波が往復したときの往路の伝搬時間と復路の伝搬時間との和である第１パラメータ、および往路の伝搬時間と復路の伝搬時間との差である第２パラメータを、特定パラメータとして算出する。なお、気流分布とは、第２空間（R2）を複数に分割した区画毎の気流を意味し、温度分布とは、区画毎の温度を意味する。気流は、風速などのスカラーのみではなく、流れの方向を含むベクトルである。
　制御部（14）は、第１通信部（11）を介して、算出した特定パラメータおよび温度センサ（33）により検出された検出温度をサーバ装置（20）に入力する。
　（１－３）サーバ装置
　サーバ装置（20）は、第２通信部（21）および学習済みモデル（22）を含む。学習済みモデル（22）は、プログラムとしてサーバ装置（20）の記憶部に記憶されている。
　第２通信部（21）は、環境推定装置（10）と有線又は無線で通信する。第２通信部（21）は、例えば、ＬＡＮボードのような通信モジュール（通信機器）を含み、ネットワーク（N）を介して環境推定装置（10）と無線通信する。
　学習済みモデル（22）は、特定パラメータおよび検出温度から対象空間における空気齢分布を推定するためのモデルである。学習済みモデル（22）は、ネットワーク（N）を介して、制御部（14）から特定パラメータおよび検出温度が入力される。学習済みモデル（22）は、ネットワーク（N）を介して、推定した空気齢分布を制御部（14）に返す。なお、空気齢分布とは、第２空間（R2）を複数に分割した区画毎の空気齢を意味する。
　（２）特定パラメータの算出
　制御部（14）による特定パラメータの算出方法について、図２および図３を参照して説明する。
　図３に示すように、ステップST101において、制御部（14）の初期設定が完了していない場合、ステップST102～ステップST104の初期設定が実行される。
　ステップST102において、制御部（14）は、各測定部（30）の位置に関する三次元座標を取得する。記憶部（13）は、ステップST102で測定された各三次元座標を、座標データとして記憶する。
　ステップST103では、制御部（14）は、座標データに基づき第２空間（R2）を複数の区画(An）(n=１，２，…n）に区分する。図２では、第２空間（R2）が平面視において１２の区画（A1～A12）に区分される。加えて、ステップST103では、制御部（14）が、座標データに基づき音波の伝搬経路（Pm）(m=１，２，…m）を決定する。制御部（14）は、各区画（An）を１つ以上の伝搬経路（Pm）が通過するように、複数の伝搬経路（Pm）を決定する。記憶部（13）は、区分された複数の区画（An）の三次元座標、および決定した複数の伝搬経路（Pm）の三次元座標を、座標データとして記憶する。以下の説明では、各区画（A1～A12）を、第１区画（A1）～第１２区画（A12）に区別して説明することがある。１２の区画（A1～A12）を区別する必要がないときには、単に区画(An）という。
　図２では、各測定部（30）は、第１区画（A1）、第４区画（A4）、第９区画（A9）、および第１２区画（A12）にそれぞれ配置される。また、第２空間（R2）において、窓（W）は第１１区画（A11）および第１２区画（A12）に配置され、空気調和装置（AC）は第９区画（A9）に配置されている。第１区画（A1）～第５区画（A5）および第８区画（A8）～第１０区画（A10）は、壁面に面している。
　図２では、１０の伝搬経路（P1～P10）を表している。これらの伝搬経路（P1～P10）のうち、第１伝搬経路（P1）、第３伝搬経路（P3）、第５伝搬経路（P5）、第７伝搬経路（P7）、第８伝搬経路（P8）、および第１０伝搬経路（P10）は、直接波の伝搬経路である。第２伝搬経路（P2）、第４伝搬経路（P4）、第６伝搬経路（P6）、および第９伝搬経路（P9）は、壁面に反射する間接波の伝搬経路である。
　ステップST104では、制御部（14）が、ステップST103で決定した伝搬経路（Pm）における区画（An）毎の伝搬経路長（Dm,n）を算出する。伝搬経路長（Dm,n）は、伝搬経路（Pm）全体を区画（An）毎に分割した経路の長さである。図２では、第１伝搬経路（P1）の伝搬経路長を例示している。第１伝搬経路（P1）は、第１区画（A1）、第５区画（A5）、第９区画（A9）を通る。この場合、第１伝搬経路（P1）に対応する伝搬経路長は、D1,1、D1,5、およびD1,9である。第１伝搬経路（P1）の全長は、D1,1＋D1,5＋D1,9になる。
　ステップST104では、制御部（14）が、記憶された座標データに基づき、各伝搬経路長（Dm,n）を求める。加えて、制御部（14）は、座標データに基づき複数の伝搬経路（Pm）から各受信機（32）にそれぞれ入射する音波の入射角度θをそれぞれ算出する。ステップST104では、記憶部（13）は、複数の伝搬経路（Pm）と、これらの伝搬経路（Pm）のそれぞれに対応する入射角度と、この伝搬経路（Pm）に対応する伝搬経路長（Dm,n）とを関連付けて、初期データとして記憶する。
　ステップST105では、第１処理が実行される。第１処理は、各伝搬経路（Pm）の音波の伝搬時間を測定する処理である。ここで、伝搬時間は、送信機（31）が音波を発信した時点から、この音波が受信機（32）に受信されるまでの時間である。第１処理の詳細は後述する。
　ステップST106では、制御部（14）が、第１処理で得られた伝搬時間に基づいて、各伝搬経路（Pm）に対して第１パラメータを算出する。
　ステップST107では、制御部（14）が、第１パラメータに基づいて、第２空間（R2）の温度分布、すなわち各区画（An）の温度を算出する。
　ステップST108では、制御部（14）が、第１処理で得られた伝搬時間に基づいて、各伝搬経路（Pm）に対して第２パラメータを算出する。
　ステップST109では、制御部（14）が、第２パラメータおよび検出温度に基づいて、第２空間（R2）の気流分布、すなわち各区画（An）の気流を算出する。
　次に、第１パラメータと温度分布との関係、および第２パラメータと気流分布との関係について説明する。
　音波の伝搬速度（C）は、以下の（Ａ）式で表すことができる。
　ここで、C0は温度が０℃のときの音速（３３１．５[m/sec]）、tは温度、αは係数であって所定の定数である。
　各測定用音波の往路の伝搬時間T＋は、伝搬経路長D及び風速Vにより以下の関係式で表される。なお、図４に示すように、Vcosθは、ｘ方向の気流の速度を表し、Vsinθは、ｙ方向の気流の速度を表す。
　各測定用音波の復路の伝搬時間T－は、伝搬経路長D及び風速Vにより以下の関係式で表される。
　往路の伝搬時間と復路の伝搬時間の和である第１パラメータに基づいて、温度を求める計算式が得られる。具体的に式（Ａ）～式（Ｃ）に基づいて、以下の関係式が成り立つ。
　式（Ｄ）に基づいて、各区画（A1～A12）の温度を求める作成される。具体的に、音波の伝搬経路（P1～P10）を通る６つの検出用音波について、１０の伝搬時間（T1～T10）と、各区画（A1～A12）内の伝搬経路長Dm,n（m=1,2,…,10,n=1,2,…,12）及び音速Cn（n=1,2,…,12）とは、以下の行列式（Ｅ）が成り立つ。
　この式（Ｅ）の行列式から求められる連立方程式を最小二乗法などを用いて各区画（A1～A12）の温度tn（n=1,2,…,12）を算出することができる。なお、制御部（14）は、例えば、第１区画（A1）、第４区画（A4）、第９区画（A9）、および第１２区画（A12）については、検出温度を採用して、残りの区画については、（Ｅ）式により算出された温度（tn）を採用するようにしてもよい。
　往路の伝搬時間と復路の伝搬時間の差である第２パラメータに基づいて、気流を求める計算式が得られる。具体的に式（Ａ）～式（Ｃ）に基づいて以下の関係式が成り立つ。
　式（Ｆ）に基づいて、各区画（A1～A12）の気流を求める行列式が作成される。具体的に、伝搬経路（P1～P10）を通る６つの検出用音波について、１０個の伝搬時間（T1～T10）と、各区画（A1～A12）内の伝搬経路長Dm,n（m=1,2,…,10,n=1,2,…,12）及び音速Cxn、Cyn（n=1,2,…,12）とは、以下の行列式（Ｇ）が成り立つ。
　各領域の温度（tn）を式（Ｅ）から算出して、音速Ｃを算出しておくことで、式（Ｇ）から求められる連立方程式から各区画（A1～A12）の風速Vn（n=1,2,…,12）を算出することができる。
　（３）学習済みモデルの製造方法
　学習済みモデル（22）は、第１空間（R1）に対して、送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータおよび温度センサ（33）が検出した検出温度と、パラメータ及び検出温度に対応した第１空間（R1）の空気齢分布とのデータセットを教師データ（41）として、機械学習を行ったモデルである。パラメータおよび検出温度は説明変数に該当し、空気齢は目的変数に該当する。
　図５に示すように、パラメータは、測定部（30）により測定された伝搬時間に基づいて、演算装置（40）が算出する。パラメータは、前述の特定パラメータと同じであって、第１空間（R1）の気流分布、第１空間（R1）の温度分布、第１パラメータ、および第２パラメータである。演算装置（40）は、環境推定装置（10）であってもよい。演算装置（40）は、制御部（14）と同様に図３のフローチャートに従って、特定パラメータを算出する。本実施形態１では、空気齢分布は、空気齢が所定値以上の領域と空気齢が所定値未満の領域とを示す２値化された分布である。空気齢分布は、例えば別途ＣＦＤにより推定されたものである。なお、構成が同じでありさえすれば、教師データ（41）を算出するために用いられる測定部（30）と、第２空間（R2）の空気齢分布を推定する際に用いられる測定部（30）とは、厳密に同じである必要はない。
　教師データ（41）は、学習装置（43）に送られる。学習装置（43）は、教師データ（41）を用いて機械学習を行い、学習済みモデル（22）を製造する。学習装置（43）は、第１空間（R1）を複数に分割した区画(An）毎の空気齢を目的変数とする多出力学習により機械学習する。製造された学習済みモデル（22）は、サーバ装置（20）に記憶される。学習装置（43）は、サーバ装置（20）であってもよい。
　図６は、演算装置（40）により算出される気流分布の一例を示す。図６では、第１空間（R1）は、図２と同じ構成であると仮定している。図６では、便宜的に気流の向きを矢印の向きで示し、風速の大きさを矢印の大きさで示している。実際には、風速は数値で求められる。
　図６に示すように、第５区画（A5）、第９区画（A9）、第１１区画（A11）、および第１２区画（A12）は、他の区画と比較すると風速が大きい。第５区画（A5）および第９区画（A9）は、空気調和装置（AC）による送風の影響であり、第１１区画（A11）および第１２区画（A12）は、窓（W）からの外気の導入による影響である。
　第２区画（A2）、第３区画（A3）、第４区画（A4）、第７区画（A7）、及び第８区画（A8）は、他の区画と比較して、風速が低くなっていることが分かる。風速が低いことは、空気が滞留しやすいことを意味する。つまり、気流分布から空気齢が高くなりやすい区画が推定できる。
　図７は、演算装置（40）により算出される温度分布の一例を示す。図７では、第１空間（R1）は、図２と同じ構成であると仮定している。図７では、便宜的に各区画（An）における温度を４段階のレベルで示している。レベル１が最も温度が低く、レベル２，３，４の順で温度が高い。実際には、温度は数値で求められる。
　図７に示すように、第１１区画（A11）および第１２区画（A12）は温度が低い。これは、第１１区画（A11）および第１２区画（A12）に窓（W）があるためである。第１区画（A1）、第２区画（A2）、第５区画（A5）、および第９区画（A9）は、比較的温度が低い。これは壁面を含むためである。
　前述のように、温度分布は、第１空間（R1）における窓や壁の位置を反映したものになる。温度分布を用いることで、室形状データがなくても、家具の位置などを含めた室形状をある程度推定することができる。
　また、第４区画（A4）は、熱源がないにも関わらず他の区画と比較して温度が高い。空気の滞留しやすい位置では、周囲の区画との温度差が大きくなりやすい。つまり、第４区画（A4）のように、周囲の区画と比較して温度が高い区画は、空気齢が高くなっていると推定できる。
　サーバ装置（20）は、図６に示す第１空間（R1）全体の気流分布および図７に示す第１空間（R1）全体の温度分布を説明変数として、機械学習を行う。例えば、サーバ装置（20）は、第６区画（A6）の気流および温度のみを第６区画（A6）の空気齢と対応づけるのではなく、全区画（An）の気流および温度を第６区画（A6）の空気齢と対応づけて学習する。
　サーバ装置（20）は、空気齢が所定値以上であるか所定値未満であるかを示す２値化された空気齢分布を出力するよう機械学習を行う。サーバ装置（20）が行う機械学習手法としては、ニューラルネットワーク、サポートベクターマシン、決定木、勾配ブースティング、バギング、ランダムフォレスト、線形回帰、Ｒｉｄｇｅ回帰、Ｌａｓｓｏ回帰などを利用することができる。サーバ装置（20）は、前述の機械学習手法を組み合わせて機械学習を行ってもよい。
　（４）学習済みモデルの利用
　図８に示すように、環境推定システム（ES）により、第２空間（R2）の空気齢分布を推定するときには、測定部（30）から制御部（14）に、第２空間（R2）において測定された伝搬時間と検出温度とが入力される。制御部（14）は、伝搬時間から第２空間（R2）の気流分布、第２空間（R2）の温度分布、第１パラメータ、および第２パラメータを算出する。
　制御部（14）は、気流分布、温度分布、第１パラメータ、第２パラメータ、および検出温度で構成された説明変数を学習済みモデル（22）に入力する。学習済みモデル（22）は、説明変数から推定された空気齢分布を目的変数として出力する。出力された空気齢分布は、制御部（14）に送信される。その後、制御部（14）は、推定された空気齢分布を出力する。
　（４－１）学習済みモデルの推定精度
　学習済みモデル（22）による推定精度は、教師データ（41）に含まれる説明変数によって変動する。図９および図１０は、説明変数の違いによる推定精度の変化を検証した結果を示す。図９は、決定木のみを用いて製造した学習済みモデルの推定精度である。図１０は、複数のモデルを組み合わせたアンサンブル学習により製造した学習済みモデルの推定精度である。
　図９および図１０において、モデル１、モデル２、モデル３、モデル４、およびモデル５は、教師データ（41）に含まれる説明変数がそれぞれ異なる。具体的には、
モデル１：気流分布、温度分布、第１パラメータ、第２パラメータ、および検出温度
モデル２：気流分布
モデル３：第１パラメータおよび第２パラメータ
モデル４：気流分布および温度分布
モデル５：気流分布、温度分布、第１パラメータ、および第２パラメータ
である。モデル１は、本実施形態１の学習済みモデル（22）に相当する。
　図９に示すように、モデル１～モデル５のいずれも用いた場合であっても、推定精度が６０％以上あることが分かる。具体的には、モデル２は、５つのモデルの中では最も推定精度が低く６０％程度である。モデル３～モデル５は、同程度の推定精度であって８０％程度である。モデル１は、５つのモデルの中では最も推定精度が高く８３％程度である。
　モデル１、モデル４、及びモデル５では、気流分布に加えて温度分布を説明変数としている。前述したように、温度分布は室形状の影響を受けるため、温度分布を用いたときには、室形状がある程度反映された推定結果となる。また、気流分布と温度分布とは、いずれも空気が滞留しやすい区画を推定可能な情報であるため、気流分布と温度分布との両方を用いることで、空気齢の推定精度が向上する。
　モデル３は、第１パラメータおよび第２パラメータのみを用いている。前述したように、第１パラメータは温度分布に関係するパラメータであり、第２パラメータは気流分布に関係するパラメータである。第１パラメータと第２パラメータの両方を説明変数として学習することは、気流分布と温度分布との両方を考慮して学習することと言える。
　したがって、気流分布に関するパラメータを説明変数とするだけでも、空気齢についてある程度の推定精度を得ることができるが、温度分布に関するパラメータを説明変数として加えることで、空気齢についてより高い推定精度を得ることができる。また、モデル１のように、気流分布および温度分布だけでなく、それらを算出する元のデータである、第１パラメータ、第２パラメータ、および検出温度を説明変数として用いることで、推定精度を高くできる。
　図１０に示すように、複数のモデルを組み合わせたアンサンブル学習により学習済みモデルを製造した場合、決定木のみを用いて学習済みモデルを製造した場合と比較して、モデル１の推定精度が８５％程度にまで上がる。モデル３～５についても推定精度が８５％程度にまで上がる。モデル２についても推定精度が僅かに上がる。
　図９と図１０との比較により、学習方法により推定精度が異なることが分かる。複数のモデルを組み合わせたアンサンブル学習により学習済みモデルを製造することで、単一のモデルを用いる場合よりも学習済みモデルの推定精度を高くできる。
　（５）表示システム
　図１１は、環境推定装置（10）を備えた表示システム（DS）の構成を示す。
　表示システム（DS）は、環境推定装置（10）と、サーバ装置（20）と、表示部（50）とを備える。環境推定装置（10）およびサーバ装置（20）は、前述の環境推定システムにおける環境推定装置（10）およびサーバ装置（20）と同じであるため、詳細な説明を省略する。
　表示部（50）は、環境推定装置（10）により出力された第２空間（R2）の空気齢分布を表示する。表示部（50）は、例えば、液晶パネルを含み、画像を表示する。表示部（50）は、タッチパネルとして機能してもよい。
　次に、表示システム（DS）によって、環境推定装置（10）が出力した空気齢分布を表示するまでの動作について説明する。
　図１２に示すように、ステップST201において、制御部（14）は、伝搬時間及び検出温度を取得する。制御部（14）は、前述したステップST101～ステップST105と同様にして、伝搬時間及び検出温度を取得する。
　ステップST202では、制御部（14）は、特定パラメータを算出する。制御部（14）は、第２空間（R2）の気流分布、第２空間（R2）の温度分布、第１パラメータ、および第２パラメータを算出する。
　ステップST203では、制御部（14）は、ステップST202で算出した特定パラメータおよび検出温度を学習済みモデル（22）に入力する。
　ステップST204では、制御部（14）は、学習済みモデルにより出力された第２空間（R2）の空気齢分布を取得する。
　ステップST205では、制御部（14）は、取得した空気齢分布を表示部（50）に表示させる。
　図１３は、表示部（50）に表示される空気齢分布の一例である。図１３に示す第２空間（R2）では、第９区画（B9）および第１０区画（B10）に窓（W）が配置され、第１２区画（B12）に空気調和装置（AC）が配置されている。第１区画（B1）～第５区画（B5）、第８区画（B8）、第１１区画（B11）、および第１２区画（A12）は、壁面に面している。
　本実施形態１の学習済みモデル（22）から出力されるのは、２値化された空気齢分布である。黒のハッチングで示す部分は、空気齢が所定値よりも高いと推定された部分である。本例では、第１区画（B1）、第２区画（B3）、第５区画（B5）、および第１１区画（B11）が、空気齢が所定値よりも高いと推定されている。表示部（50）に表示することで、空気齢分布を視覚的に把握することができ、換気など空気調和を行う際の指標とすることができる。
　（６）実施形態１の効果
　本実施形態１において、制御部（14）は、第１空間（R1）に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータと、パラメータに対応した第１空間（R1）の空気齢分布とを教師データ（41）として学習された学習済みモデル（22）に、第２空間（R2）における前記伝搬時間に基づくパラメータを入力し、学習済みモデル（22）により推定された第２空間（R2）における空気齢分布を出力する。学習済みモデル（22）を用いることで、第２空間（R2）に対して発信された音波の伝搬時間に基づくパラメータから、第２空間（R2）における空気齢分布を得ることができる。伝搬時間に基づくパラメータは高度な計算能力を要することなく得られる。環境推定装置（10）は、ＣＦＤのような複雑な計算を行うことなく、第２空間（R2）における空気齢分布を簡単に推定できる。また、ＣＦＤよりも小さい負荷で空気齢分布を推定できることから、リアルタイムで空気齢分布を得ることが可能となる。
　本実施形態１において、制御部（14）は、伝搬時間に基づいて算出される、第２空間（R2）を複数に分割した区画毎の気流に関する情報を学習済みモデル（22）に入力する。周囲の区画と比べて、風速が低い区画は空気が滞留しやすい。また、気流が渦を形成するような流れになっているときには、風速がある程度高かったとしても空気が滞留していると推定できる。したがって、区画毎の気流に関する情報を利用することで、環境推定装置（10）の推定精度を高くできる。
　本実施形態１において、制御部（14）は、伝搬時間に基づいて算出される、第２空間（R2）を複数に分割した区画毎の温度に関する情報を学習済みモデル（22）に入力する。区画毎の温度は、窓、家具、壁など区画に含まれる物体に影響を受ける。区画毎の温度を用いることで、室形状データがなくても、家具の位置などを含めた室形状をある程度推定することができる。言い換えると、区画毎の温度に関する情報は、室径状データを代替する情報となり得る。また、空気の滞留しやすい位置では、周囲の区画との温度差が大きくなりやすいため、区画毎の温度に関する情報からも空気齢分布が推定可能である。したがって、区画毎の温度に関する情報を利用することで、環境推定装置（10）の推定精度を高くできる。
　本実施形態１において、制御部（14）は、同じ伝搬経路を音波が往復したときの往路の伝搬時間と復路の伝搬時間との和である第１パラメータと、往路の伝搬時間と復路の伝搬時間との差である第２パラメータとを学習済みモデル（22）に入力する。第１パラメータは温度に関係するパラメータであり、第２パラメータは気流に関係するパラメータである。第１パラメータを用いることは温度を考慮することを意味し、第２パラメータを用いることは気流を考慮することを意味する。第１パラメータおよび第２パラメータは、風速や温度よりも伝搬時間の生値に近い情報であるため、実際の空気状態がより正確に反映したパラメータであると言える。したがって、第１パラメータ及び第２パラメータを用いることで、環境推定装置（10）の推定精度を高くできる。
　また、気流分布および温度分布に加えて、第１パラメータおよび第２パラメータを用いることで、環境推定装置（10）の推定精度を高くできる。
　本実施形態１において、制御部（14）は、第２空間（R2）を複数に分割した区画毎に空気齢分布を出力する。第２空間（R2）における滞留性の高い位置を特定することができる。
　本実施形態１において、学習済みモデル（22）は、第１空間（R1）を複数に分割した区画毎の空気齢を出力とする多出力学習により機械学習されたモデルであり、制御部（14）は、第２空間（R2）の区画毎に空気齢を出力する。多出力学習とすることで特定の区画のみではなく、周囲の区画の状態を考慮した推定が可能となる。区画毎の空気齢を推定する場合に、環境推定装置（10）の推定精度を高くできる。
　本実施形態１では、第２空間（R2）の空気齢分布が表示部（50）により表示される。表示部（50）により、環境推定装置（10）が出力した空気齢分布を視覚的にとらえることができる。
　（７）実施形態１の変形例
　図１４に示すように、表示システム（DS）において、環境推定装置（10）、測定部（30）、および表示部（50）の間にネットワークが介在していてもよい。環境推定装置（10）がクラウドコンピューティングにより実現されていてもよい。
　図１５に示すように、表示システム（DS）において、環境推定装置の制御部（114）がサーバ装置（120）と一体の装置であってもよい。この場合、サーバ装置（120）が環境推定装置として機能する。制御部（114）が処理を実行するためのプログラム（115）は、サーバ装置（120）の記憶部（113）に記憶される。学習済みモデル（122）は、記憶部（113）には記憶されている。
　図１６に示すように、表示システム（DS）において、学習済みモデル（222）が環境推定装置（210）の記憶部（213）に記憶されていてもよい。
　表示システム（DS）において、表示部（50）は、環境推定装置（10）と一体の装置であってもよい。
　〈実施形態２〉
　本開示の実施形態について、図面を参照しながら詳細に説明する。尚、以下の説明において前記実施形態１と共通の部分については、同じ符号を付して、その詳細な説明を省略する。
　（８）空気調和システムの全体構造
　図１７に示すように、環境推定装置（10）を有する空気調和システム（AS）は、測定部（30）と、サーバ装置（20）と、空気調和装置（AC）とを有する。環境推定装置（10）は、測定部（30）、サーバ装置（20）、および空気調和装置（AC）とインターネットなどのネットワーク（N）を介して接続される。測定部（30）、環境推定装置（10）、およびサーバ装置（20）の構成は、実施形態１と同様であるため、説明を省略する。
　（８－１）空気調和装置
　図１８は、空気調和装置（AC）の概略の配管系統図であり、図１９は、空気調和装置（AC）の概略の斜視図である。
　空気調和装置（AC）は、第２空間（R2）の空気の温度を調節する。空気調和装置（AC）は、冷房運転と暖房運転とを行う。冷房運転では、空気調和装置（AC）が第２空間（R2）の空気を冷却する。暖房運転では、空気調和装置（AC）が第２空間（R2）の空気を加熱する。
　空気調和装置（AC）は、冷媒回路（301）を備える。冷媒回路（301）には、冷媒が充填される。冷媒回路（301）は、冷媒を循環させることにより冷凍サイクルを行う。
　空気調和装置（AC）は、室外機（320）、室内機（330）、第１連絡配管（302）、第２連絡配管（303）、リモートコントローラ（RC）を備える。空気調和装置（AC）は、１つの室外機（320）と１つの室内機（230）とを有するペア式である。第１連絡配管（302）は、ガス連絡配管であり、第２連絡配管（303）は、液連絡配管である。
　室外機（320）は、室外に設置される。室外機（320）は、室外ケーシング（320a）と、室外ケーシング（320a）に収容される室外側要素とを備える。室外側要素は、圧縮機（321）、室外熱交換器（322）、膨張弁（323）、四方切換弁（324）、および室外ファン（325）を含む。
　圧縮機（321）は、揺動ピストン式、ロータリ式、スクロール式などの回転式圧縮機である。室外熱交換器（322）は、フィンアンドチューブ式である。四方切換弁（324）は、第１状態（図１の実線で示す状態）と第２状態（図１の破線で示す状態）とに切り換わる。第１状態の四方切換弁（324）は、圧縮機（321）の吐出部と室外熱交換器（322）のガス端部とを連通させ、且つ圧縮機（321）の吸入部と第１連絡配管（302）とを連通させる。第２状態の四方切換弁（324）は、圧縮機（321）の吐出部と第１連絡配管（302）とを連通させ、且つ圧縮機（321）の吸入部と室外熱交換器（322）のガス端部とを連通させる。室外ファン（325）は、プロペラファンである。
　室外機（320）は、室外制御部（OC）により制御される。
　室内機（330）は、室内ケーシング（330a）と、室内ケーシング（330a）に収容される室内側要素とを備える。室内側要素は、室内熱交換器（331）、室内ファン（332）、およびフラップ（333）を含む。室内熱交換器（331）は、フィンアンドチューブ式である。室内ファン（332）は、クロスフローファンである。フラップ（333）は、第２空間（R2）への送風方向を調整する。
　室内機（330）は、室内制御部（IC）により制御される。
　リモートコントローラ（RC）は、表示部（341）および操作部（342）を有する。表示部（341）は、本開示の報知部の一例である。表示部（341）は、液晶画面などのディスプレイである。操作部（342）は、ユーザが操作するボタンなどで構成される。表示部（341）および操作部（342）は、タッチパネルにより兼用されてもよい。
　学習済みモデル（22）により推定された空気齢分布は、第２通信部（21）を介して、環境推定装置（10）に入力される。制御部（14）は、推定された空気齢分布を室外制御部（OC）、室内制御部（IC）、またはリモートコントローラ（RC）に入力する。
　空気調和装置（AC）は、入力された空気齢分布に基づいて第２空間（R2）の空気調和を行う。例えば、空気齢が高い領域に送風するように、室内ファン（332）からの風量およびフラップ（333）の方向を調整する。
　（９）実施形態２の効果
　本実施形態２では、制御部（14）から出力された第２空間（R2）の空気齢分布に基づいて、空気調和装置（AC）により、第２空間（R2）の空気調和が行われる。空気齢分布に基づく空気調和を行う場合、空気齢分布をできる限り早く推定することが求められる。ＣＦＤ等の複雑な計算を行うと、空気齢分布の算出に時間がかかってしまい、実際に空気調和を行う際には空気齢分布が変化してしまっているおそれがある。本実施形態２のように、学習済みモデル（22）を用いて、音波の伝搬時間に基づくパラメータから空気齢分布をすれば、できる限り小さい負荷で第２空間（R2）の空気齢分布を簡単に得られる。空気調和システム（AS）は、効率的に空気調和を行うことができる。
　（１０）実施形態２の変形例
　図２０に示すように、空気調和システム（AS）において、環境推定装置（410）は、空気調和装置（AC）と一体の装置であってもよい。このとき、学習済みモデル（422）は、記憶部（413）に記憶される。
　環境推定装置（410）は、室外機（320）、室内機（330）、およびリモートコントローラ（RC）のいずれに搭載されていてもよいし、これらの組み合わせにより構成されてもよい。環境推定装置（410）が室外機（320）に搭載されるときには、制御部（414）は、室外制御部（OC）で構成される。同様に、環境推定装置（410）が室内機（330）に搭載されるときには、制御部（414）は、室内制御部（IC）で構成される。
　（１１）その他の実施形態
　制御部（14）は、室形状データを用いて、気流分布および温度分布を算出してもよい。
　学習済みモデル（22,122,222,422）は、第２空間（R2）のＣＯ２濃度を更に説明変数として加えられたモデルであってもよい。第２空間（R2）のＣＯ２濃度は、例えば、測定部（30）にＣＯ２濃度センサを搭載することで測定してもよい。
　学習済みモデル（22,122,222,422）は、前述のモデル１が採用されていた。学習済みモデル（22,122,222,422）は、モデル２～５を採用してもよい。気流分布のみから推定するモデル２は、他のモデルよりは推定精度自体は低くなるが、第２空間（R2）における音波の伝搬時間を測定すればよい点、および実際の第２空間（R2）の形状を反映した推定結果が得られる点、リアルタイムで空気の滞留性に関する情報が得られる点で、ＣＦＤを用いるよりも有益である。
　学習済みモデル（22,122,222,422）は、空気の滞留性に関する情報として、空気寿命、空気余命などを出力してもよい。空気寿命とは、外気が第２空間（R2）に導入されてから排出されるまでの時間である。空気余命とは、空気寿命から空気齢を差し引いた値である。
　学習済みモデル（22,122,222,422）は、空気齢を数値で出力するよう機械学習されたモデルであってもよい。このとき、制御部（14）は、第２空間（R2）の空気齢分布をコンター図で表示するよう表示部（50）を制御してもよい。この他にも、学習済みモデル（22,122,222,422）は、算出した空気齢の標準偏差からの差分、歪度、尖度などを出力するよう学習されたモデルであってもよい。
　学習済みモデル（22,122,222,422）を製造する際の学習方法は、アンサンブル学習でなくてもよい。図９に示したように、単純な決定木を学習方法として採用したとしても、ある程度の推定精度を得ることができる。
　学習済みモデル（22,122,222,422）が多出力学習により製造されたものでない場合、学習済みモデル（22）は、特定の区画における気流および温度から、特定の区画の空気齢を推定するモデルであってもよい。このとき、制御部（14）は、学習済みモデル（22,122,222,422）により推定された各区画の空気齢を受け取ってから、表示部（50）では第２空間（R2）全体の空気齢分布が表示されるように処理してもよい。
　第１空間（R1）と第２空間（R2）とは、同じ空間であってもよい。すなわち、学習済みモデル（22,122,222,422）は、第２空間（R2）における前記伝搬時間に基づくパラメータと、第２空間（R2）における空気の滞留性を示す情報とにより、リアルタイム学習を行って製造されたモデルであってもよい。リアルタイム学習を行う場合、図３で示す演算装置（40）は、制御部（14）で構成される。
　測定部（30）は、搬送可能な構成でなくてもよい。測定部（30）は、室内空間の壁や天井に埋め込まれていてもよい。
　以上、実施形態および変形例を説明したが、特許請求の範囲の趣旨および範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。また、以上の実施形態、変形例、その他の実施形態は、本開示の対象の機能を損なわない限り、適宜組み合わせたり、置換したりしてもよい。
　以上に述べた「第１」、「第２」、「第３」…という記載は、これらの記載が付与された語句を区別するために用いられており、その語句の数や順序までも限定するものではない。
　以上に説明したように、本開示は、環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法について有用である。
10　　環境推定装置
14　　制御部
20　　サーバ装置
22　　学習済みモデル
30　　測定部
31　　送信機
32　　受信機
41　　教師データ
50　　表示部
120　　サーバ装置
122　　学習済みモデル
222　　学習済みモデル
310　　環境推定装置
410　　環境推定装置
422　　学習済みモデル
AC　　空気調和装置
AS　　空気調和システム
ES　　環境推定システム
DS　　表示システム

Claims (15)

  1. 　制御部（14）を備えた環境推定装置であって、
    　前記制御部（14）は、
    　　第１空間に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として学習された学習済みモデル（22,122,222,422）に、第２空間（R2）における前記伝搬時間に基づくパラメータを入力し、
    　　前記学習済みモデル（22,122,222,422）により推定された前記第２空間（R2）における空気の滞留性に関する情報を出力する環境推定装置。
  2. 　請求項１に記載の環境推定装置において、
    　前記制御部（14）は、前記伝搬時間に基づいて算出される、前記第２空間（R2）を複数に分割した区画毎の気流に関する情報を前記学習済みモデル（22,122,222,422）に入力する環境推定装置。
  3. 　請求項１または２に記載の環境推定装置において、
    　前記制御部（14）は、前記伝搬時間に基づいて算出される、前記第２空間（R2）を複数に分割した区画毎の温度に関する情報を前記学習済みモデル（22,122,222,422）に入力する環境推定装置。
  4. 　請求項１～３のいずれか１つに記載の環境推定装置において、
    　前記制御部（14）は、同じ伝搬経路を音波が往復したときの往路の伝搬時間と復路の伝搬時間との和である第１パラメータと、前記往路の伝搬時間と前記復路の伝搬時間との差である第２パラメータとを前記学習済みモデル（22,122,222,422）に入力する環境推定装置。
  5. 　請求項１～４のいずれか１つに記載の環境推定装置において、
    　前記制御部（14）は、前記第２空間（R2）を複数に分割した区画毎に前記空気の滞留性に関する情報を出力する環境推定装置。
  6. 　請求項５に記載の環境推定装置において、
    　前記学習済みモデル（22,122,222,422）は、前記第１空間（R1）を複数に分割した区画毎の前記空気の滞留性を出力とする多出力学習により機械学習されたモデルであり、
    　前記制御部（14）は、前記第２空間（R2）の前記区画毎に空気の滞留性を出力する環境推定装置。
  7. 　請求項１～６のいずれか１つに記載の環境推定装置において、
    　前記空気の滞留性に関する情報は、空気齢、空気余命、または空気寿命を含む環境推定装置。
  8. 　請求項１～７のいずれか１つに記載の環境推定装置（10,310）と、
    　前記第２空間（R2）の空気の滞留性に関する情報を表示する表示部（50）と、を備える表示システム。
  9. 　請求項１～７のいずれか１つに記載の環境推定装置（10,410）と、
    　前記第２空間（R2）の空気調和を行う空気調和装置（AC）と、を備え、
    　前記制御部（14）は、前記第２空間（R2）の空気の滞留性に関する情報に基づいて前記空気調和装置を制御する空気調和システム。
  10. 　請求項１～７のいずれか１つに記載の環境推定装置（10,310）に、前記第２空間（R2）に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータを入力するステップと、
    　前記環境推定装置（10,310）により出力された前記第２空間（R2）における空気の滞留性に関する情報を表示するステップと、を備える環境推定方法。
  11. 　第１空間（R1）に対して送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間に基づくパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として学習された学習済みモデル（22,122,222,422）に、第２空間（R2）における前記伝搬時間に基づくパラメータを入力するステップと、
    　前記学習済みモデル（22,122,222,422）により推定された前記第２空間（R2）における空気の滞留性に関する情報を出力するステップと、を備える環境推定方法。
  12. 　請求項１１に記載の環境推定方法をコンピュータに実行させるためのプログラム。
  13. 　送信機（31）が発信した音波を受信機（32）が受信するまでの伝搬時間を測定する測定部（30）と、
    　制御部（14）と、を備え、
    　前記制御部（14）は、
    　　第１空間（R1）において前記測定部（30）により測定された前記伝搬時間に基づくパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として学習された学習済みモデル（22,122,222,422）に、第２空間（R2）において前記測定部（30）により測定された前記伝搬時間に基づくパラメータを入力し、
    　　前記学習済みモデル（22,122,222,422）により推定された前記第２空間（R2）における空気の滞留性に関する情報を出力する環境推定システム。
  14. 　請求項１３に記載の環境推定システムにおいて、
    　前記測定部（30）とネットワーク（N）を介して接続されたサーバ装置（120）を備え、
    　前記サーバ装置（120）は、前記制御部（14）を含む環境推定システム。
  15. 　送信機（31）が第１空間に発信した音波を受信機（32）が受信するまでの伝搬時間を取得するステップと、
    　前記第１空間（R1）の空気の滞留性に関する情報を取得するステップと、
    　前記伝搬時間に基づいて算出されるパラメータと、前記パラメータに対応した前記第１空間（R1）の空気の滞留性に関する情報とを教師データ（41）として機械学習を行って、第２空間（R2）における前記伝搬時間に基づくパラメータを入力して、前記第２空間（R2）における空気の滞留性に関する情報を出力する学習済みモデル（22,122,222,422）を製造するステップと、を備える学習済みモデルの製造方法。
PCT/JP2025/004591 2024-03-22 2025-02-12 環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法 Pending WO2025197366A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024-046986 2024-03-22
JP2024046986A JP2025146295A (ja) 2024-03-22 2024-03-22 環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法

Publications (1)

Publication Number Publication Date
WO2025197366A1 true WO2025197366A1 (ja) 2025-09-25

Family

ID=97139242

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/004591 Pending WO2025197366A1 (ja) 2024-03-22 2025-02-12 環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法

Country Status (2)

Country Link
JP (1) JP2025146295A (ja)
WO (1) WO2025197366A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021221117A1 (ja) * 2020-04-30 2021-11-04 ダイキン工業株式会社 環境検出システム
JP2022110654A (ja) * 2021-01-19 2022-07-29 ピクシーダストテクノロジーズ株式会社 計測装置、プログラム、および計測方法
JP2022159090A (ja) * 2021-03-31 2022-10-17 ダイキン工業株式会社 可視化システム、及びプログラム
JP2023127035A (ja) * 2022-03-01 2023-09-13 株式会社東芝 流動挙動予測システム、流動挙動予測方法、予測モデル生成方法および学習済予測モデル

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021221117A1 (ja) * 2020-04-30 2021-11-04 ダイキン工業株式会社 環境検出システム
JP2022110654A (ja) * 2021-01-19 2022-07-29 ピクシーダストテクノロジーズ株式会社 計測装置、プログラム、および計測方法
JP2022159090A (ja) * 2021-03-31 2022-10-17 ダイキン工業株式会社 可視化システム、及びプログラム
JP2023127035A (ja) * 2022-03-01 2023-09-13 株式会社東芝 流動挙動予測システム、流動挙動予測方法、予測モデル生成方法および学習済予測モデル

Also Published As

Publication number Publication date
JP2025146295A (ja) 2025-10-03

Similar Documents

Publication Publication Date Title
US9644857B1 (en) Virtual thermostat for a zonal temperature control
US10705106B2 (en) System and method for monitoring a state of a fluid in an indoor space as well as a climate control system
CN107923645B (zh) 空气调节运行分析装置以及记录有程序的非临时性计算机可读取记录介质
JPWO2018179750A1 (ja) 環境制御システム、及び、環境制御方法
CN110296763A (zh) 使用循环网络进行温度传感器校准
JP2022160989A (ja) 熱力学のモデルを較正するためのシステムおよび方法
US20250093065A1 (en) Learning device, air conditioning control system, inference device, air conditioning control device, and trained model generation method
CN109682032A (zh) 空调控制装置
JP7460886B2 (ja) 機械学習装置
US20240369251A1 (en) Air-conditioning system, information processing device, and method for controlling air-conditioning device
WO2016056113A1 (ja) 省エネルギ化診断装置、省エネルギ化診断方法およびプログラム
US12578112B2 (en) Display system, display method, and program
Lee et al. Influence of vane angle on the effectiveness of air conditioning of wall-mounted split-type air conditioners in residential buildings
US20240019152A1 (en) Visualization system, and program
US20240384886A1 (en) Air-conditioning control device
JP2021076309A (ja) 推定方法、推定装置、プログラム及び学習済みモデルの生成方法
JP2024048397A (ja) プログラム、情報処理方法、及び情報処理装置
CN106225158B (zh) 送风风向控制方法及装置
US20240159417A1 (en) Information processing device, air conditioning system, and program
WO2025197366A1 (ja) 環境推定装置、表示システム、空気調和システム、環境推定方法、プログラム、環境推定システム、および学習済みモデルの製造方法
CN115049216B (zh) 一种噪声处理方法及系统
JP2021004680A (ja) 解析装置および解析方法
JP6338684B2 (ja) 診断装置、診断方法、及び、プログラム
CN113739367A (zh) 空调器室内机及其控制方法
WO2024111235A1 (ja) 観測点位置の評価方法および観測点位置評価システム

Legal Events

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

Ref document number: 25773921

Country of ref document: EP

Kind code of ref document: A1