CN112839556B - 清扫路线决定***以及清扫路线决定方法 - Google Patents
清扫路线决定***以及清扫路线决定方法 Download PDFInfo
- Publication number
- CN112839556B CN112839556B CN201980068158.3A CN201980068158A CN112839556B CN 112839556 B CN112839556 B CN 112839556B CN 201980068158 A CN201980068158 A CN 201980068158A CN 112839556 B CN112839556 B CN 112839556B
- Authority
- CN
- China
- Prior art keywords
- dust
- cleaning
- unit
- facility
- group
- 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.)
- Active
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 370
- 238000000034 method Methods 0.000 title claims description 36
- 239000000428 dust Substances 0.000 claims abstract description 322
- 238000009825 accumulation Methods 0.000 claims abstract description 173
- 238000004364 calculation method Methods 0.000 claims abstract description 170
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 239000002245 particle Substances 0.000 claims abstract description 28
- 230000006399 behavior Effects 0.000 claims description 82
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 239000010419 fine particle Substances 0.000 claims description 12
- 239000011859 microparticle Substances 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000002922 simulated annealing Methods 0.000 claims description 4
- 238000000137 annealing Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 30
- 238000004088 simulation Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 16
- 238000009423 ventilation Methods 0.000 description 16
- 238000005457 optimization Methods 0.000 description 14
- 238000004378 air conditioning Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 241001417527 Pempheridae Species 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000009420 retrofitting Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
- A47L9/2852—Elements for displacement of the vacuum cleaner or the accessories therefor, e.g. wheels, casters or nozzles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/383—Indoor data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/60—Intended control result
- G05D1/648—Performing a task within a working area or space, e.g. cleaning
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Vacuum Cleaner (AREA)
Abstract
一种清扫路线决定***,具备:解析部(12),基于计算条件解析设施内部的气流的行为和微粒的行为;地图制作部(13),基于所述解析的结果,制作表示在所述设施内部尘埃积聚的一个或多个尘埃积聚场所、和所述一个或多个尘埃积聚场所的尘埃的量的尘埃积聚地图;以及路径算出部(30),基于所述尘埃积聚地图,从多个第2路径决定第1路径,所述多个第2路径的每一个是清扫部在预定时间内通过所述一个或多个尘埃积聚场所中的至少一个场所的路径,所述第1路径所包括的所有尘埃积聚场所的尘埃的量的合计在多个合计中最大,所述多个合计的每一个是所述多个第2路径的每一个所包括的所有尘埃积聚场所的尘埃的量的合计。
Description
技术领域
本公开涉及清扫路线决定***和清扫路线决定方法。
背景技术
在以购物中心为首的巨大的复合商业设施中,为了弥补将来劳动人口的不足,使用由搭载自动驾驶技术的机器人进行地板去污的技术备受关注。另外,近年来,由于以人工智能(Artificial Intelligence:AI)和机器人学为首的技术的急剧进步,在拥有广阔占地面积的购物中心利用清扫装置进行清扫工作的自动化正在发展。尤其是随着人工智能和传感技术的发展,在商业设施有很多曲面的建筑物结构以及障碍物多的复杂的建筑物结构中,利用清扫装置进行清扫工作的自动化也开始实用化。该清扫装置搭载有摄像头和传感器,在自动行驶中检测到障碍物等的情况下,能够在回避障碍物等的同时,自主地进行商业设施内的集尘工作。例如,专利文献1中公开了自主型清扫装置的控制技术。根据专利文献1,公开了该清扫装置具备距离传感器,且控制方法是根据与物体的距离来改变该清扫装置的移动速度的方法。根据该技术,即使在物体与清扫装置的距离变为小于等于阈值的情况下,该清扫装置也能够不停止而继续进行清扫活动。
现有技术文献
专利文献1:日本特开2018-86218号公报
发明内容
然而,要求清扫装置在数小时这样的有限时间内对数千平方米等大面积跨多层地完成清扫工作。在现有技术中,尽管即使在存在障碍物时清扫装置也能够高效地进行清扫工作,但是清扫装置难以在预定的时间内清扫商业设施内等的大的地板面积。例如,购物中心等引入清扫装置的商业设施在占地面积大的情况下会有数万平方米,因此清扫装置需要在夜间的4~5个小时等有限的时间内高效地清扫数万平方米等非常广阔的空间。为此,由于清扫装置难以到所有应该清扫的地方,因此需要一种用于使清扫装置在预定时间内尽量多地巡回于优先级高的应该清扫的地方的调度。
本公开提供在预定时间内高效地清扫具有非常广阔的地板面积的设施内部的技术。
本公开的一个技术方案涉及的清扫路线决定***具备:计算条件输入部,其受理包含设施内部的信息的计算条件;解析部,其基于所述计算条件,解析所述设施内部的气流的行为(举动)和微粒的行为;地图(map)制作部,其基于所述解析的结果,制作尘埃积聚地图,所述尘埃积聚地图表示在所述设施内部尘埃积聚的一个或多个尘埃积聚场所、和所述一个或多个尘埃积聚场所的尘埃的量;以及路径算出部,其基于所述尘埃积聚地图,从多个第2路径决定第1路径,所述多个第2路径的每一个是清扫部在预定时间内通过所述一个或多个尘埃积聚场所中的至少一个场所的路径,所述第1路径所包括的所有尘埃积聚场所的尘埃的量的合计在多个合计中最大,所述多个合计的每一个是所述多个第2路径的每一个所包括的所有尘埃积聚场所的尘埃的量的合计。
此外,该总括性的或者具体的技术方案既可以通过装置、方法、集成电路、计算机程序或者计算机可读取的记录介质来实现,也可以通过装置、***、方法、集成电路、计算机程序以及计算机可读取的记录介质的任意组合来实现。计算机可读取的记录介质例如包括CD-ROM(Compact Disc-Read Only Memory)等非易失性的记录介质。
在本公开中,不特别区分“微粒”和“尘埃”的用语而使用。
根据本公开,能够决定在预定时间内高效地清扫具有非常广阔的地板面积的设施内部的路线。从说明书及附图可知晓本公开的一个技术方案中的进一步的优点及效果。上述优点和/或效果分别由若干个实施方式和说明书及附图所记载的特征提供,但无需为了获得一个或一个以上相同的特征而提供所有的实施方式和特征。
附图说明
图1是表示本实施方式中的***构成的一例的图。
图2是表示设施内部的通路、房间的位置、形状的鸟瞰图的一例的图。
图3是表示对图纸(构造图)信息设定了设施出入口、换气口(通风口)位置、空调(空气调节)设备的位置以及楼梯位置的一例的图。
图4是表示在对图纸信息设定了设施出入口、换气口位置、空调设备的位置以及楼梯位置的一例中,以某个条件进行了微粒模拟(simulation)的情况下的尘埃积聚地图的一例的图。
图5是表示聚类(clustering)的一例的图。
图6是表示反映了属性计算部22判定属性的结果的机器人应该清扫的区域和人应该清扫的区域的一例的图。
图7是表示在对图纸信息设定了设施出入口、换气口位置、空调设备的位置以及楼梯位置的一例中,将以某个条件进行了微粒模拟的情况下的尘埃积聚地图的一例中的尘埃积聚场所进行聚类的结果的一例的图。
图8是表示在对图纸信息设定了设施出入口、换气口位置、空调设备的位置以及楼梯位置的一例中,基于将以某个条件进行了微粒模拟的情况下的尘埃积聚地图的一例中的尘埃积聚场所进行聚类的结果的一例而通过优化算法决定的清扫路线的一例的图。
图9是表示最优(最佳)清扫路线等的显示方法的一例的图。
图10是清扫路线计算***的流程图。
图11是清扫部的流程图。
图12是终端的流程图。
具体实施方式
以下,参照附图,对实施方式进行具体说明。
此外,以下说明的实施方式均表示总括性的或者具体的例子。以下的实施方式中所示的数值、形状、材料、构成要素、构成要素的配置位置以及连接形态、步骤、步骤的顺序等是一例,并非旨在限定本公开。另外,对于以下的实施方式中的构成要素中的、没有记载在表示最上位概念的独立权利要求中的构成要素,作为任意的构成要素来说明。
图1是表示本实施方式中的***构成的一例的图。本实施方式中的实施例包括清扫路线计算***1、清扫部2以及终端3。
清扫路线计算***1具备尘埃行为计算部10、属性判定部20以及清扫路线计算部30。尘埃行为计算部10包括图纸输入部11、行为计算部12和尘埃地图制作部13。属性判定部20包括属性群组(cluster,簇、聚类)计算部21和属性计算部22。清扫路线计算部30包括尘埃群组计算部31、清扫路线决定部32和通信部33。
清扫部2具备清除部40以及驱动部50。另外,清除部40包括集尘部41和尘埃量检测部42。另外,驱动部50包括移动部51、控制部52、自身位置推定部53和通信部54。
终端3具备尘埃地图显示部60。尘埃地图显示部60包括通信部61、显示部62和输入部63。
以下,进行各部分的说明。
清扫路线计算***1为了推断设施内部的尘埃的积聚处而进行气流的行为解析和微粒的行为解析。而且,基于气流的行为解析和微粒的行为解析的结果,制作表示设施内部的积聚有尘埃的地方的尘埃积聚地图。另外,进行将设施内部的区域按照特征分为群组的计算。根据尘埃积聚地图的信息和将设施内部的区域分为群组的结果,导出最优的清扫路线(最优路径)。然后,将导出的最优的清扫路线发送给清扫部2。
尘埃行为计算部10由CPU以及存储器等构成。尘埃行为计算部10是计算条件输入部的一例。
图纸输入部11受理设施等的图纸的输入。另外,图纸输入部11也可以具备用户能够制作图纸的图纸制作辅助功能。图纸输入部11由存储器、输入用终端、触摸面板以及影像输出用画面等构成。图纸输入部11也可以利用CPU进行动作。
行为计算部12执行用于计算尘埃的行为的设施内部的气流模拟以及微粒模拟的计算。行为计算部12是解析部的一例。
尘埃地图制作部13基于由行为计算部12执行的设施内部的气流模拟以及微粒模拟的结果,制作表示设施内部积聚有尘埃的场所的尘埃积聚地图。尘埃地图制作部13也可以具备输出用终端等。尘埃地图制作部13是地图制作部的一例。
属性判定部20是分类部的一例。
属性群组计算部21使用机器学习的用于无监督学习的算法等,进行设施内部的通路以及/或者房间的聚类。使用的算法只要是能够进行非层次聚类分析的算法即可。
属性计算部22基于群组计算部中的计算结果,进行将群组分为由人进行清扫的群组和由清扫部2进行清扫的群组的分类。分类不限于将群组分为由人进行清扫的群组和由清扫部2进行清扫的群组。分类也可以是分为3个以上的类。
清扫路线计算部30由CPU以及存储器等构成。清扫路线计算部30是路径算出部的一例。
尘埃群组计算部31基于由尘埃地图制作部13制作的尘埃积聚地图,进行尘埃积聚场所的聚类。尘埃积聚场所是积聚有尘埃的场所。尘埃群组计算部31使用机器学习的用于无监督学习的算法等,进行尘埃积聚场所的聚类。
清扫路线决定部32基于从尘埃群组计算部31接收到的将尘埃积聚场所进行聚类的结果和表示各尘埃积聚场所的尘埃的积聚量的信息、以及从属性计算部22接收到的确定应该清扫的群组的信息,导出最优的清扫路线(最优路径)。清扫路线决定部32也能够根据从尘埃群组计算部31接收到的信息,提取包含尘埃的积聚量在预定阈值以上的尘埃积聚场所的信息,并导出通过该尘埃积聚场所的清扫路线。通过采用该构成,能够更高效地进行清扫。
通信部33将由清扫路线决定部32导出的最优的清扫路线(最优路径)向清扫部2发送。另外,通信部33也可以将由清扫路线决定部32导出的最优的清扫路线(最优路径)发送给终端3。通信部33由发送机、接收机等构成。另外,通信部33也可以包括局域网线(LANcable)等电缆以及用于无线LAN等的NIC(Network interface Card,网络接口卡)等。另外,通信部33也可以具备无线通信装置等。
清扫部2是自主动作的清扫装置。清扫部2也可以是自主型清扫机器人。
清扫部2自主动作,通过集尘及除尘进行设施内部的清扫。另外,清扫部2也可以进行擦拭清洁。
清除部40进行从设施的地面或壁面等的除尘。
集尘部41通过抽吸等来收拾积聚在设施等的地面或壁面等上的尘埃。集尘部41由真空吸尘器等抽吸尘埃等的抽吸装置等构成。
尘埃量检测部42计量由集尘部41回收的尘埃的量。尘埃量检测部42包括重量传感器。重量传感器也可以是负载传感器或者电磁平衡式传感器。尘埃量检测部42中也可以包括重量传感器以外的各种传感器。
驱动部50由使清扫部2移动的马达等动力源构成。
移动部51具有使清扫部2移动的功能。移动部51由马达等动力源以及车轮等构成。
控制部52控制驱动部50整体的动作。控制部52由CPU以及存储器等构成。
自身位置推定部53掌握清扫部2所在的设施内部的位置。设施内部的位置可以是相对的位置也可以是绝对的位置。自身位置推定部53由存储器以及各种传感器等构成。自身位置推定部53也可以利用CPU进行动作。
通信部54从清扫部2接收由清扫路线决定部32导出的最优的清扫路线(最优路径)。另外,也可以将由清扫部2收集的信息发送给清扫路线计算***1或者终端3。通信部54由发送机以及接收机等构成。另外,通信部54也可以包括局域网线等电缆以及用于无线LAN等的NIC(Network interface Card)等。另外,通信部54也可以具备无线通信装置等。
终端3是具有输入输出功能的便携式装置。终端3进行尘埃积聚地图的显示,受理向尘埃积聚地图的输入。另外,将所输入的信息等发送给清扫路线计算***1或者清扫部2。除此之外,从清扫路线计算***1或者清扫部2接收尘埃积聚地图或者与清扫部2的位置有关的信息等。终端3可以是平板终端、智能手机或者PDA(掌上电脑)等。
尘埃地图显示部60在终端3上显示由尘埃地图制作部13制作的尘埃积聚地图。
通信部61从清扫路线计算部30所包括的通信部33接收由尘埃地图制作部13制作的尘埃积聚地图。通信部61由发送机以及接收机等构成。另外,通信部61也可以包括局域网线等电缆以及用于无线LAN等的NIC(Network interface Card)等。另外,通信部61也可以具备无线通信装置等。
显示部62将由尘埃地图制作部13制作的尘埃积聚地图显示在画面上等。显示部62由有机EL显示器或者液晶显示器等构成。显示部62也可以具备触摸面板等。
输入部63受理进行了清扫的尘埃积聚场所的位置等的信息。该信息的输入可以在终端3上通过手动进行,也可以通过来自其他设备的无线通信或者有线通信进行。输入部63也可以包括CPU、存储器、通信设备、键盘等。输入部63也可以由触摸面板等构成。
(清扫路线计算***)
对清扫路线计算***1的各构成要素的功能更详细地进行说明。
清扫路线计算***1进行设施内部的气流模拟以及微粒模拟。清扫路线计算***1也可以设置于服务器。设施例如为商业设施。基于微粒模拟的结果,尘埃地图制作部13制作表示尘埃积聚的地点的尘埃积聚地图。而且,对于各积聚处,根据该设施内部的特征,按照规则进行分类,并赋予应该人清扫还是应该机器人清扫的属性。除此之外,清扫路线计算部30根据输出的尘埃积聚地图,计算用于清扫装置在预定时间内巡回尘埃积聚的地点的最优路线。巡回的地点至少为一个以上即可,也可以为两个以上。
尘埃行为计算部10为了计算设施内部的尘埃的行为,进行计算模型的制作。为此,尘埃行为计算部10为了决定确定设施内部的通路的位置、形状的信息以及/或者确定设施内部的房间的位置、形状的信息,将三维CAD(Computer-Aided Design,计算机辅助设计)数据等设施图纸信息加载到图纸输入部11。在没有图纸输入部11能够利用的CAD数据的情况下,通过图纸输入部11在服务器上启动图纸输入辅助应用程序,用户能够制作图纸。
上述的设施图纸信息、上述的图纸分别也可以包含确定设施内部的通路的位置、形状的信息以及/或者确定设施内部的房间的位置、形状的信息。
图2是表示设施内部的通路、房间的位置、形状的鸟瞰图的一例的图。而且,通过上述方法中的任一方法,当图纸输入部11受理到图纸的输入时,尘埃行为计算部10决定对计算模型设定的边界条件,因而,尘埃行为计算部10受理与位于设施内部的设施出入口、设施内的换气口、空调设备、楼梯的位置有关的位置信息等的输入。
图3是表示对图纸信息设定了设施出入口、换气口位置、空调设备的位置以及楼梯位置的一例的图。由于尘埃从设施外流入,因此微粒的流入流出量由与设施外相通的设施出入口的地方以及换气口的地方决定。此时,尘埃行为计算部10也可以根据由安装在设施出入口的门上的传感器测量出的门的每一天的开闭次数决定微粒流入量。通过这样,清扫路线计算***1使表示尘埃行为的模拟的精度提高。
当安装在设施出入口的门上的传感器无法利用的情况下,尘埃行为计算部10也可以根据一天的平均到场人数等计算门的平均的开闭次数,并据此决定平均的流入流出的微粒的浓度。此时,尘埃行为计算部10也可以将一般的微粒浓度作为默认值而用作设施外部的微粒浓度,但也可以基于在Web上公开的每个地域的PM2.5分布预测信息等决定设施外部的微粒浓度。通过尘埃行为计算部10利用在Web上公开的每个地域的PM2.5分布预测信息等,表示尘埃行为的模拟的精度提高。
作为用于决定流入流出的微粒的浓度的边界条件所使用的设施出入口处的风速的边界条件有来自设施外部的自然对流的风速和由人的步行引起的气流的风速这两个。关于来自设施外部的自然对流的风速,清扫路线计算***1在设施开始营业前等通过传感器进行该风速的测定,或者将一般的风速值设定为默认值。此外,也可以为,用户对尘埃行为计算部10设定任意的风速值。另外,关于由人的步行引起的风速,尘埃行为计算部10根据一般的人的步行速度来决定。设施出入口处的有效的微粒的流入条件由这两个要素决定。另外,通过使用安装在设施出入口的风速传感器,尘埃行为计算部10随时进行测定,能够直接测定有效的微粒的流入流出的条件。
对于换气口也同样地,尘埃行为计算部10受理与空气的流入和流出有关的条件的输入。如果尘埃行为计算部10能够利用设施的环境测定等的数据,则尘埃行为计算部10也可以对计算模型设定该数据。如果没有设施的环境测定等的数据,则与设施出入口同样地,尘埃行为计算部10利用风速传感器等进行风速的传感测量,或者基于各换气口的设定换气量等进行简易的模拟,决定风速。
对于空调设备,由于预先设定了风向、风量等,因此尘埃行为计算部10将所设定的风向、风量等设定为边界条件。
在楼梯处,在作为计算对象区域的楼层与别的楼层之间会产生微粒的流入流出,与换气口的情况下同样地,尘埃行为计算部10利用来自风速传感器的数据等决定作为边界条件的风速。
此外,包括确定设施内部的通路的位置、形状的信息以及/或者确定设施内部的房间的位置、形状的信息的设定以及边界条件在内的初始设定在初次进行模拟的情况下进行即可。在第二次和之后的模拟中,无需重新进行设定。但是,风速以及微粒的流入流出条件也可以基于传感器信息以及/或者从Web获得的信息自动更新。利用上述方法,能够省去用户的劳力和时间。
确定设施内部的通路的位置、形状的信息以及/或者确定设施内部的房间的位置、形状的信息和边界条件决定后,尘埃行为计算部10首先进行设施内的气流解析。在气流解析中,也可以利用基于有限元方法以及/或者有限体积方法的CFD(Computational FluidDynamics,计算流体力学)的商用软件或者自制程序。在计算复合商业设施这样的大的区域的情况下,为了减小计算负荷,也可以利用k-ω模型等湍流模型。另外,由于需要使计算以现实的时间完成,因此在清扫路线计算***1中,也可以进行利用CPU(Central ProcessorUnit,中央处理单元)以及/或者GPU(Graphics Processing Unit,图形处理单元)的并行化。此时,作为适合于并行化的算法,可以利用格子玻尔兹曼方法。通过进行利用GPU的并行化并利用格子玻尔兹曼方法进行计算,在清扫路线计算***1中,计算速度有望比通常的以CPU一内核的顺序计算的快一千倍以上。因此,尘埃行为计算部10能够以比较短的执行时间结束计算。
接着,气流解析的计算结束后,尘埃行为计算部10为了制作尘埃积聚地图,进行基于计算出的气流的微粒行为的计算。在解析微粒行为时,尘埃行为计算部10使用被称为one-way(单向)模型的由气流决定作用于微粒的力的模型。利用上述方法,尘埃行为计算部10能够抑制计算负荷。作为在One-way模型中使用的气流的数据,也可以使用通过气流解析计算出的数据。尘埃行为计算部10在微粒的解析时,使用阻力、重力等力作为边界条件等。尘埃行为计算部10在将微粒的解析与热流体解析耦合的情况下,使用浮力等力作为边界条件等。另外,关于粒径及密度,存在代表性的粒径分布按地域而不同的情况,因此尘埃行为计算部10进行从Web获得的信息的参照等,决定粒径分布。或者也可以,用户手动地设定粒径以及/或者密度的信息。尘埃行为计算部10例如也可以使用粒径2.5μm、微粒密度1050kg/m3等值作为粒径及密度的默认值。
尘埃行为计算部10按一天等预定时间的量进行该微粒解析,对在预定时间之内因重力沉降而沉降在设施内地面上的微粒量进行计数,由此,尘埃地图制作部13能够基于尘埃行为计算部10的计算结果,制作尘埃积聚地图。
图4是表示在对图纸信息设定了设施出入口、换气口位置、空调设备的位置以及楼梯位置的一例中,以某个条件进行了微粒模拟的情况下的尘埃积聚地图的一例的图。在此,用等高线图表示了微粒的积聚量,通过该地图,清扫路线计算***1的用户能够预先掌握设施内需要清扫的地方。另外,尘埃行为计算部10例如以每12天等预定的时间间隔进行该微粒模拟,将尘埃积聚地图更新。这时,将基于上次进行的模拟的尘埃积聚地图作为初始值,对该初始值加上基于本次进行的模拟的尘埃积聚地图的计算值,由此,尘埃积聚地图被更新。在此制作出的尘埃积聚地图会从尘埃行为计算部10传递给清扫路线计算部30。此外,尘埃地图制作部13也可以将制作出的尘埃积聚地图通过通信部33发送给终端3。
接着,在属性判定部20中,属性群组计算部21进行设施内的通路以及/或者房间的聚类。属性群组计算部21使用作为机器学***面形状和所述多个房间的位置的信息、以及表示设施内部的多个通路的平面形状和所述多个通路的位置的信息,算法的输出可以是多个房间各自的索引和多个通路各自的索引。
图5是表示聚类的一例的图。由图5可知,通过属性群组计算部21根据通路的宽窄或者拐角的数量进行了设施内部的通路的聚类。此外,在此为了使显示易于理解,没有进行房间的群组化,但也可以在店铺、卫生间等除通路以外的设施内部的区域进行聚类。
接着,将聚类的结果传递给属性计算部22,根据群组的特征,判定是人清扫还是清扫部2进行清扫。机器人学技术以及传感技术不具有足够用于清扫部2进行移动以及障碍物检测的精度。因此,清扫部2在清扫陈列有商品的场所的过程中有可能会使商品掉落。另外,对于如图5的群组3那样,距离不长但是拐角多的区域,清扫部2需要在每个拐角进行旋转,浪费时间的可能性高。另一方面,大的通路虽然障碍物少,但是作为区域,占据商业设施内的大部分的区域。这样的地方由清扫部2清扫更高效。
属性计算部22根据各群组的特征判定各群组的属性,对各群组附加表示属性的属性信息。属性计算部22从所有群组去除清扫部2不应该清扫的群组,将确定清扫部2应该清扫的群组的信息传递给清扫路线决定部32。确定应该清扫的群组的信息也可以是确定图6所示的机器人清扫区域的信息。确定应该清扫的群组的信息也可以是确定图5所示的群组1、群组2、群组4~群组10中的每一个的信息的集合、也即是说{确定群组1的信息、确定群组2的信息、确定群组4的信息~确定群组10的信息}。当在二维平面上描述了确定设施内部的结构(即,设施内部的通路的位置、形状以及/或者设施内部的房间的位置、形状)的图纸的情况下,确定群组i的信息也可以是表示在该二维平面中群组i所包含的坐标的信息的集合。由此,能够防止在清扫路线计算部30计算最优清扫路线(最优路径)时陷入局部解,能够导出使清扫部2的清扫工作有效的最优清扫路线(最优路径)。
图6是表示反映了属性计算部22判定属性的结果的机器人应该清扫的区域和人应该清扫的区域的一例。
在属性判定中,依照商业设施的性质,属性计算部22如下这样决定属性。
1.是否在店铺内
在店铺内,清扫部2在清扫工作中有可能使陈列的商品掉落。因此,店铺内由人清扫更合适。属性计算部22在群组为店铺的情况下,决定该群组是人应该清扫的区域。即,属性计算部22不选择该群组作为清扫部2应该清除的群组。
2.区域内的拐角的个数在阈值以上
在群组内部存在很多拐角的情况下,为了清扫该区域,清扫部2需要多次进行方向转换,即使在清扫距离短的情况下,由清扫部2进行的清扫也需要时间。因此,这种区域不适合由清扫部2清扫,由人清扫更合适。作为每一个区域的拐角的数量的阈值,例如可以使用8个等。属性计算部22在群组的区域内存在的拐角的个数大于等于阈值(例如8个)的情况下,决定该群组是人应该清扫的区域。即,属性计算部22不选择该群组作为清扫部2应该清除的群组。
3.出入口的个数仅为一个且其通路的宽度在阈值以下的房间
例如卫生间通常只有一个出入口,另外该出入口的通路窄。因此,清扫部2进入后,存在无法从房间出来的可能性。因此,在这种封闭设施内部的区域并且出入口的通路的宽度在阈值以下的情况下,由清扫部2进行的清扫并不合适,由人进行更合适。但是,在出入口通过改装等拓宽的情况下或者通路通过改装等变得足够宽的情况下,能够由清扫部2进行清扫。作为通路的宽度的阈值,例如可以使用100cm等。属性计算部22在群组的区域内存在的房间的出入口的个数为一个并且房间的出入口的通路的宽度在阈值(例如100cm)以下的情况下,决定该群组是人应该清扫的区域。即,属性计算部22不选择该群组作为清扫部2应该清除的群组。
4.通路的宽度在阈值以下
在设施内存在通路的宽度狭窄的地方。在这种狭窄的通路内,清扫部2为了避免与墙壁的碰撞,需要多次进行方向转换的可能性高。因此,这种区域不适合由清扫部2进行清扫,由人清扫更合适。作为通路的宽度的阈值,可以使用100cm等,例如也可以使用90cm等。属性计算部22在群组的区域内存在的通路的宽度的最小值在阈值(例如90cm)以下的情况下,决定该群组是人应该清扫的区域。即,属性计算部22不选择该群组作为清扫部2应该清除的群组。
5.区域内有台阶的场所
在路径中途有台阶的情况下,清扫部2的移动有可能会停止。这种区域不适合由清扫部2进行清扫,由人清扫更合适。属性计算部22在群组的区域内有台阶的情况下,决定该群组是人应该清扫的区域。即,属性计算部22不选择该群组作为清扫部2应该清除的群组。
6.与清扫部2的物理距离在阈值以上的区域
在相应区域的尘埃的积聚量足够大的情况下,即使相应区域位于远离清扫部2的出发点的位置,也有可能被指定为清扫路线。在该情况下,虽然集尘回收量最优,但是有可能其他很多尘埃积聚处不会被清扫部2清扫。因此,在与清扫部2的出发地点相距阈值以上的情况下,由人清扫更合适。与清扫部2的物理距离的阈值例如可以使用直线距离为700m等。属性计算部22在群组的区域的重心位置与清扫开始位置的距离在阈值(例如直线距离为700m)以上的情况下,决定该群组是人应该清扫的区域。即,属性计算部22不选择该群组作为清扫部2应该清除的群组。
7.群组内的微粒分布的偏差在阈值以上
即使集尘的积聚量相同,当在群组内的特定场所集中地积聚有尘埃的情况下,则不论是人清扫,还是清扫部2清扫,都能够在短时间内清扫。相反,当在群组内到处积聚有尘埃的情况下,需要清扫的面积变大,因此不论是人清扫,还是清扫部2清扫,清扫都要花费时间。在这种情况下,从减轻清扫员侧的负担这一观点来看,后者可以由清扫部2清扫。因此,当群组内的微粒分布的偏差在阈值以上的情况下,由人清扫更合适。属性计算部22在偏差的判定中使用群组内的微粒分布的标准偏差即可。属性计算部22在群组的区域内的微粒的分布的偏差在阈值以上的情况下,决定该群组是人应该清扫的区域。即,属性计算部22不选择该群组作为清扫部2应该清除的群组。
8.人的往来在阈值以上的场所
清扫路线计算***1也可以根据来到设施以及/或者各店铺的到场人数进行设施内动线推定。在该情况下,将每个楼层或者每个小时的人的往来的频率用于设施内动线推定。人的往来多的场所由于拥挤因而在设施营业时间内清扫员难以进行清扫工作。因此,在如上所述的区域内,可以在夜间由清扫部2进行清扫。因此,当对象区域内的人的往来频率在阈值以上的情况下,清扫部2对对象区域内进行清扫更合适。属性计算部22在到群组的区域的人的往来频率在阈值以上的情况下,决定该群组是清扫部2应该清扫的区域。即,属性计算部22选择该群组作为清扫部2应该清除的群组。
9.不符合1至7中的任一项的场所
在该情况下,相比于人,清扫部2清扫更合适。
上述1~9所示的规则为属性判定的一例,也可以根据需要设定除此以外的规则。只要不是由于设施改装等原因使确定设施内部的通路的位置、形状的信息以及/或者确定设施内部的房间的位置、形状的信息发生了变化,则仅在最初执行一次与该属性判定有关的计算即可。
图7是表示在对图纸信息设定了设施出入口、换气口位置、空调设备的位置以及楼梯位置的一例中,将以某个条件进行了微粒模拟的情况下的尘埃积聚地图的一例中的尘埃积聚场所进行聚类的结果的一例的图。清扫路线计算部30将通过尘埃行为计算部10计算出的尘埃积聚地图传递给尘埃群组计算部31,进行尘埃积聚场所的聚类。尘埃群组计算部31使用作为机器学习的无监督算法的k均值算法、支持向量机、随机森林等各种算法中的任一算法进行聚类。通过该聚类,尘埃的各个积聚处将会属于任一个群组,因此会对尘埃的各个积聚处分配离散的索引。
尘埃群组计算部31将尘埃积聚场所进行聚类的结果也可以是{(确定第1尘埃积聚场所的信息、第1尘埃积聚场所的索引)、(确定第2尘埃积聚场所的信息、第2尘埃积聚场所的索引)、……}。当在二维平面上描述了表示设施内部的结构的图纸的情况下,确定第i尘埃积聚场所的信息也可以是表示该群组i的面积重心的坐标。
尘埃群组计算部31也可以生成对将尘埃积聚场所进行聚类的结果追加了表示各尘埃积聚场所的尘埃的积聚量的信息得到的信息。也即是说,尘埃群组计算部31也可以生成包括{(确定第1尘埃积聚场所的信息、第1尘埃积聚场所的尘埃的积聚量、第1尘埃积聚场所的索引)、(确定第2尘埃积聚场所的信息、第2尘埃积聚场所的尘埃的积聚量、第2尘埃积聚场所的索引)、……}的信息。
清扫路线决定部32基于从尘埃群组计算部31接收到的将尘埃积聚场所进行聚类的结果和表示各尘埃积聚场所的尘埃的量的信息、以及从属性计算部22接收到的确定应该清扫的群组的信息,决定清扫路线。在设施内的清扫工作中,清扫部2需要在4~5个小时等有限的时间内结束广阔的设施的占地内的清扫。因此,清扫部2无法对尘埃积聚地图所示的所有尘埃积聚场所进行清扫。因此,清扫路线决定部32求解在预定的时间这一制约中使清扫量最大化这一优化问题。这种优化问题可利用很多优化算法。所利用的优化算法很多是离散的优化方法,如尘埃群组计算部31决定的那样,需要预先对尘埃积聚场所分配离散的索引。清扫路线决定部32用于优化的算法假设为遗传算法、模拟退火法(SimulatedAnnealing)、量子退火法等。
清扫路线决定部32确认从尘埃群组计算部31接收到的“确定第1尘埃积聚场所的信息、确定第2尘埃积聚场所的信息、……”的每一个是否包含于从属性计算部22接收到的“确定应该清扫的群组的信息”中。而且,在确定应该清扫的群组的信息包含确定该尘埃积聚场所的信息的情况下,采用该包括(确定尘埃积聚场所的信息、尘埃积聚场所的尘埃的积聚量、尘埃积聚场所的索引)的信息,并决定采用的信息的集合{(应该清扫的群组所包括的尘埃积聚场所1、应该清扫的群组所包括的尘埃积聚场所1的尘埃的积聚量、应该清扫的群组所包括的尘埃积聚场所1的索引)、(应该清扫的群组所包括的尘埃积聚场所2、应该清扫的群组所包括的尘埃积聚场所2的尘埃的积聚量、应该清扫的群组所包括的尘埃积聚场所2的索引)、……}。使用该信息,利用上述的优化算法。
此外,如果并非如上所述的离散优化方法,而有进行连续优化的算法,则清扫路线决定部32也可以使用该算法进行路径优化。在该情况下,清扫路线计算部30无需进行尘埃积聚处的聚类。
在决定清扫路线时,用户将清扫部2出发的地点、结束清扫的地点以及结束清扫所需的时间输入到清扫路线计算***1。使用上述信息,清扫路线决定部32通过利用优化算法求解带制约的离散优化问题,导出在预定时间内使清扫量最大化的最优清扫路线。在此,在预定时间内使清扫量最大化也可以不意味着严格地最大化。在最大化时,也可以采用理论上的最大值附近的值。另外,所谓最大化,也可以是局部的最大化。
图8是表示在对图纸信息设定了设施出入口、换气口位置、空调设备的位置以及楼梯位置的一例中,基于将以某个条件进行了微粒模拟的情况下的尘埃积聚地图的一例中的尘埃积聚场所进行聚类的结果的一例而通过优化算法决定的清扫路线的一例的图。在此,清扫路线计算部30对清扫部2的出发地点和结束地点设定了相同的场所。在图8中表示了在清扫时间的制约条件下不存在清扫所有尘埃积聚场所的路线这一情况,偏离清扫路线的场所将会作为需要由清扫员等清扫的区域而剩下。该算出的最优清扫路线通过通信部33发送给清扫部2。
(清扫部)
清扫部2具有清除部40和驱动部50。清除部40具有清扫积聚在设施的地板或者壁面上的尘埃的集尘部41。由该集尘部41收集的尘埃积蓄在集尘部41的内部。集尘部41的内部的尘埃量检测部42能够计量所回收的尘埃的量。
通过驱动部50,清扫部2能够向目标的清扫场所移动。移动部51是用于使清扫部2移动的单元,是车轮等一般的移动手段。控制部52控制移动部51,通过控制车轮的旋转量以及清扫部2的方向转换(水平方向上的旋转)等,使清扫部2移动到任意场所。此时,自身位置推定部53通过读取由控制部52控制的车轮以及清扫部2的旋转角度,将上述信息作为输入信息,推定当前的清扫部2的位置。在自身位置推定中可以使用卡尔曼滤波器等数据同化算法。此外,清扫部2也可以具备激光等光源,根据该激光的ToF(Time of Flight,飞行时间)推定位置。而且,通信部54接收与由清扫路线计算***1计算出的最优清扫路线有关的信息,将该信息发送给控制部52。通过将该接收到的最优清扫路线与清扫部的位置的推定结果组合,清扫部2能够沿着最优清扫路线进行清扫工作。再者,通过尘埃量检测部42,还能够知晓设施内的积聚了尘埃的场所和积聚的尘埃的量。清扫部2在清扫中途或清扫完成的预定定时(timing),将与清扫部2实际进行了清扫工作的场所以及尘埃量检测部42检测出的清扫部2回收的尘埃的量有关的信息发送给清扫路线计算***1。尘埃地图制作部13将与进行了清扫工作的场所和所回收的尘埃的量有关的信息反映到尘埃积聚地图中。具体而言,尘埃地图制作部13也可以在生成的尘埃积聚地图中将被指定为清扫路线的区域、即清扫部2实际通过的区域以能够与其他区域区分的方式进行显示。例如,尘埃地图制作部13也可以将清扫部2通过的区域在尘埃积聚地图上显示为灰色或从尘埃积聚地图上消除。尘埃地图制作部13也可以在尘埃积聚地图上生成显示清扫过的区域的方法和尚未清扫的区域的显示方法不同的数据。尘埃地图制作部13也可以基于从清扫部2发送来的与清扫部2实际进行了清扫工作的场所、回收的尘埃的量有关的信息,再次进行用于制作尘埃积聚地图的计算,将尘埃积聚地图更新。更新后的尘埃积聚地图也可以通过通信部54以及通信部61发送到清扫部2以及终端3。
图9是表示最优清扫路线等的显示方法的一例的图。如图9所示,清扫路线计算***1生成在清扫部2清扫了的场所或者路径上例如使等高线图的显示保持初始设定不变、且在没有进行清扫的区域将等高线图的显示从虚线变更为实线的尘埃积聚地图。而且,更新后的尘埃积聚地图通过通信部33向终端3或清扫路线计算***1发送。终端显示更新后的尘埃积聚地图。
通过这样,清扫员能够在尘埃积聚地图上识别已清扫完的部分和未清扫的部分,因此清扫员的清扫效率提高。
(终端)
终端3由商业设施管理者或者设施内的清扫员使用。终端3将从清扫部2发送来的尘埃积聚地图显示于显示部62。例如,清扫部2在夜间进行清扫,清扫员在第二天早上通过确认反映出清扫结果的尘埃积聚地图,确认需要由清扫员进行清扫的区域,并参加清扫活动。通过这样,需要由清扫员进行清扫区域在尘埃积聚地图上被可视化。另外,终端3具备用于反映清扫员的清扫结果的输入部63。清扫员将与清扫员清扫了的区域有关的信息从输入部63输入到清扫路线计算***1。尘埃地图制作部13将清扫员实际清扫了的场所的残留的尘埃的量设为零而反映到尘埃积聚地图中。由此,与最新的尘埃积聚场所有关的信息被更新到尘埃积聚地图上,与最新的尘埃积聚场所有关的信息由清扫路线计算***1用作微粒模拟中的微粒积聚状态的初始条件。
以下,使用流程图,说明***的整体流程。
(清扫路线计算***)
图10是清扫路线计算***的流程图。
首先,当清扫路线计算***的电源接通时,清扫路线计算***1判定是否需要进行初始设定(步骤S100)。在已经进行过清扫路线的计算,清扫路线计算***1无需初始设定的情况下(步骤S100:否),清扫路线计算***1加载反映了上次的清扫结果的更新后的尘埃积聚地图(步骤S101)。在初次启动时等没有上次的计算结果等可加载的数据、例如更新后的尘埃积聚地图,清扫路线计算***1需要初始设定的情况下(步骤S100:是),清扫路线计算***1进行初始设定。
接着,图纸输入部11判定是否保持有确定设施内部的结构的信息、例如设施的图纸信息(步骤S102)。在有设施的图纸信息的情况下(步骤S102:是),清扫路线计算***1进行图纸的加载(步骤S104)。在没有设施的图纸的情况下(步骤S102:否),图纸输入部11在服务器上启动图纸输入辅助应用程序,用户使用该图纸输入辅助应用程序制作图纸。图纸输入部11加载所制作的图纸(步骤S103)。在进行图纸制作时,在清扫路线计算***1中启动辅助制作画面,用户制作图纸。
然后,图纸的加载结束后,检查是否对各群组附加有表示属性的属性信息(步骤S105)。在没有附加属性信息的情况下(步骤S105:否),属性群组计算部21基于图纸信息,进行设施内部的各个通路的聚类以及/或者各个房间的聚类(步骤S106)。
属性计算部22按聚类得到的每个群组判定群组的属性,对各群组附加表示属性的属性信息(步骤S107)。属性计算部22根据群组的特征,对于该群组,判定清扫部2应该清扫的区域和人应该清扫的区域。
在有属性信息的情况下(步骤S105:是),属性计算部22加载属性信息(步骤S108)。此外,步骤S108也可以在后述的步骤S116的紧前面进行。
行为计算部12进行换气口的位置、设施的出入口、楼梯位置、空调设备的位置以及各自的风速和压力等边界条件的设定(步骤S109)。
行为计算部12在设定边界条件后,根据确定设施内部的通路的位置、形状的信息以及/或者确定设施内部的房间的位置、形状的信息和边界条件制作计算模型(步骤S110)。
行为计算部12进行设施内部的气流解析(步骤S111)。气流解析结束后,行为计算部12将气流解析的结果与用于微粒的行为解析的模型耦合,进行微粒的行为解析(步骤S112)。由此,行为计算部12能够掌握设施内部的微粒的行为以及微粒在地板上的积聚场所。
该微粒解析结束时,行为计算部12基于微粒解析的结果,解析重力沉降到地板的微粒的量。基于该解析结果,尘埃地图制作部13制作尘埃积聚地图(步骤S113)。尘埃群组计算部31使用该尘埃积聚地图,进行尘埃积聚场所的聚类(步骤S114)。
清扫路线决定部32受理用户输入的清扫部2的清扫时间(步骤S115)。清扫路线决定部32基于清扫时间、从尘埃群组计算部31接收到的将尘埃积聚场所进行聚类的结果和表示各尘埃积聚场所的尘埃的量的信息、以及从属性计算部22接收到的确定应该清扫的群组的信息,决定最优的清扫路线(最优路径)(步骤S116)。即,清扫路线决定部32在要在预定时间内通过各尘埃积聚场所这一条件下,决定作为使清扫工作的效率最大化这一目标的最优解的路径。
然后,清扫路线计算***1将决定的清扫路线(最优路径)向清扫部2发送(步骤S117)。
(自主型清扫装置)
图11是清扫部2的流程图。
清扫部2判定是否接收到从清扫路线计算***1发送来的路径(步骤S200)。清扫部2在没有接收到路径的情况下(步骤S200:否),继续进行是否接收到路径的判定。在清扫部2接收到路径的情况下(步骤S200:是),清扫部2开始进行基于接收到的路径的清扫工作。
接着,清扫部2向清扫路线所包含的地点移动(步骤S201)。然后,清扫部2将移动目的地的场所的尘埃进行除尘(步骤S202)。
然后,清扫部2判定除尘量(步骤S203)。之后,基于移动部51所包括的车轮的旋转量以及清扫部2所包括的各种传感器的传感结果,进行清扫部2所在的位置的推定(步骤S204)。
然后,清扫部2在清扫工作结束时向终端3发送清扫结果(步骤S205)。此外,在此假设了清扫部2在夜间驱动的情况,因此发送了最终结果,而在白天驱动清扫部2的情况下,也可以包括发送中途结果的步骤。
(终端)
图12是终端3的流程图。
终端3显示反映了从清扫部2发送来的清扫结果的尘埃积聚地图。首先,终端3接收从清扫路线计算***1发送的最优清扫路线(最优路径)(步骤S300)。接着,终端3显示没有由清扫部2清扫的应该要清扫的区域(步骤S301)。然后,清扫员在将没有由清扫部2清扫而需要由清扫员清扫的区域进行清扫后,将清扫员的清扫结果登记于终端3(步骤S302)。然后,终端3向清扫路线计算***1发送清扫员的清扫结果(步骤S303)。
(效果等)
本公开的一个技术方案涉及的清扫路线决定***具备:计算条件输入部,其受理包含设施内部的信息的计算条件;解析部,其基于所述计算条件,解析所述设施内部的气流的行为和微粒的行为;地图制作部,其基于所述解析的结果,制作尘埃积聚地图,所述尘埃积聚地图表示在所述设施内部尘埃积聚的一个或多个尘埃积聚场所、和所述一个或多个尘埃积聚场所的尘埃的量;以及路径算出部,其基于所述尘埃积聚地图,从多个第2路径决定第1路径,所述多个第2路径的每一个是清扫部在预定时间内通过所述一个或多个尘埃积聚场所中的至少一个场所的路径,所述第1路径所包括的所有尘埃积聚场所的尘埃的量的合计在多个合计中最大,所述多个合计的每一个是所述多个第2路径的每一个所包括的所有尘埃积聚场所的尘埃的量的合计。
由此,本公开的一个技术方案涉及的清扫路线决定***确定在设施内部积聚有尘埃的可能性高的场所,决定将所确定的积聚有尘埃的可能性高的场所中的一个以上的地方在预定的时间内使集尘量最大化的路径。清除部沿着该路径进行清除,从而能够在规定的时间内高效地清扫设施内部。
本公开的一个技术方案涉及的清扫路线决定***还具备终端,所述地图制作部基于与进行了所述清扫的场所的尘埃的量有关的信息,更新所述尘埃积聚地图,所述终端接收所述更新后的尘埃积聚地图,所述终端显示所述更新后的尘埃积聚地图。
由此,本公开的一个技术方案涉及的清扫路线决定***通过将关于进行了清扫的场所的信息反映到显示了积聚有尘埃的可能性高的场所的地图上,能够常保持关于设施内部的积聚有尘埃的场所的准确度高的信息。
本公开的一个技术方案涉及的清扫路线决定***,所述终端还具备输入部,所述地图制作部基于输入到所述输入部的、清扫员进行了清扫的场所的信息,更新所述尘埃积聚地图。
由此,本公开的一个技术方案涉及的清扫路线决定***通过将关于清扫员进行了清扫的场所的信息反映到显示了积聚有尘埃的可能性高的场所的地图上,能够常保持关于设施内部的积聚有尘埃的场所的准确度高的信息。
本公开的一个技术方案涉及的清扫路线决定***,所述解析部将更新后的所述尘埃积聚地图的信息用作解析所述微粒的所述行为所使用的初始条件。
由此,本公开的一个技术方案涉及的清扫路线决定***能够对于设施内部的积聚有尘埃的场所的信息,基于准确度始终高的信息,解析微粒的行为。
本公开的一个技术方案涉及的清扫路线决定***,所述一个或多个尘埃积聚场所的每一个是积聚有预定量以上的所述尘埃的地点。
由此,本公开的一个技术方案涉及的清扫路线决定***通过在设施内部为了在预定的时间内收集最大限度的尘埃而对解析为积聚有预定量以上的尘埃的地点进行清扫,从而能够在设施内部对象的空间内高效地进行清扫。
本公开的一个技术方案涉及的清扫路线决定***,所述解析部使用格子玻尔兹曼方法进行所述气流的所述行为的解析。
由此,本公开的一个技术方案涉及的清扫路线决定***能够在气流行为的解析时减轻计算负荷。
本公开的一个技术方案涉及的清扫路线决定***,所述解析部使用k-ω模型进行所述气流的所述行为的解析。
由此,本公开的一个技术方案涉及的清扫路线决定***能够在气流行为的解析时减轻计算负荷。
本公开的一个技术方案涉及的清扫路线决定***,所述解析部使用one-way模型进行所述微粒的所述行为的解析。
由此,本公开的一个技术方案涉及的清扫路线决定***能够在气流行为的解析时减轻计算负荷。
本公开的一个技术方案涉及的清扫路线决定***还具备尘埃群组计算部,所述尘埃群组计算部通过机器学习进行将所述一个或多个尘埃积聚场所分为一个或多个群组的聚类,所述路径算出部使用所述一个或多个群组决定所述第1路径。
由此,本公开的一个技术方案涉及的清扫路线决定***能够基于统计处理,对积聚有尘埃的地方附加离散的索引。
本公开的一个技术方案涉及的清扫路线决定***,所述路径算出部使用遗传算法、模拟退火法和量子退火法中的至少一个,算出所述第1路径。
由此,本公开的一个技术方案涉及的清扫路线决定***能够在导出最优清扫路线(最优路径)时降低陷入局部解的可能性。
本公开的一个技术方案涉及的清扫路线决定方法包括:受理包含设施内部的信息的计算条件;基于所述计算条件,解析所述设施内部的气流的行为和微粒的行为;基于所述解析的结果,制作尘埃积聚地图,所述尘埃积聚地图表示在所述设施内部尘埃积聚的一个或多个尘埃积聚场所、和所述一个或多个尘埃积聚场所的尘埃的量;基于所述尘埃积聚地图,从多个第2路径决定第1路径,所述多个第2路径的每一个是清扫部在预定时间内通过所述一个或多个尘埃积聚场所中的至少一个场所的路径,所述第1路径所包括的所有尘埃积聚场所的尘埃的量的合计在多个合计中最大,所述多个合计的每一个是所述多个第2路径的每一个所包括的所有尘埃积聚场所的尘埃的量的合计。
由此,本公开的一个技术方案涉及的清扫路线决定方法确定在设施内部积聚有尘埃的可能性高的场所,决定将所确定的积聚有尘埃的可能性高的场所中的一个以上的地方在预定的时间内使集尘量最大化的路径。清除部沿着该路径进行清除,从而能够在规定的时间内高效地清扫设施内部。
以上,基于实施方式,对清扫路线决定***以及清扫路线决定方法进行了说明,但本公开并非限定于该实施方式。只要不脱离本公开的宗旨,对本实施方式实施本领域技术人员能想到的各种变形而得到的方式以及将不同的实施方式中的构成要素进行组合而构建的方式也可以包含在一个或多个技术方案的范围内。
图1所示的清扫路线计算***1的框图、清扫部2的框图、终端3的框图的每一个所包括的功能块的全部或者一部分可以由包括半导体装置、半导体集成电路(IC)或大规模集成电路(large scale integration;LSI)的一个或一个以上的电子回路执行。LSI或IC可以集成于一个芯片,也可以将多个芯片组合而构成。例如,除了存储元件以外的功能块也可以集成于一个芯片。在此,虽然称为LSI或IC,但叫法会根据集成程度改变,有时也称为***LSI、超大规模集成电路(very large scale integration:VLSI)或特大规模集成电路(ultra large scale integration:ULSI)。也可以以相同的目的使用在LSI的制造后进行编程的、现场可编程门阵列(Field Programmable Gate Array:FPGA)、或是能够进行LSI内部的接合关系重建或LSI内部的电路区划的设置的重构逻辑器件(reconfigurable logicdevice)。
图1所示的清扫路线计算***1、清扫部2、终端3各自的全部或一部分功能或操作可以通过软件处理执行。在该情况下,软件记录在一个或一个以上的ROM、RAM、光盘、或者硬盘驱动器等非瞬时性记录介质,在软件由处理装置(processor)执行的情况下,软件使处理装置(processor)和***设备执行软件内的特定功能。清扫路线计算***1、清扫部2、终端3各自也可以具备记录有软件的一个或一个以上的非瞬时性记录介质、处理装置(processor)、以及所需的硬件设备例如接口。实现清扫路线计算***1的软件使计算机执行图10所示的流程图所包括的各步骤。实现清扫部2的软件使计算机执行图11所示的流程图所包括的各步骤。实现终端3的软件使计算机执行图12所示的流程图所包括的各步骤。
产业上的可利用性
本公开作为清扫路线决定***,例如能够利用于大规模商业设施等的在有限的时间内的高效的清扫等。
标号说明
1清扫路线计算***;2清扫部;3终端;10尘埃行为计算部;11图纸输入部;12行为计算部;13尘埃地图制作部;20属性判定部;21属性群组计算部;22属性计算部;30清扫路线计算部;31尘埃群组计算部;32清扫路线决定部;33、54、61通信部;40清除部;41集尘部;42尘埃量检测部;50驱动部;51移动部;52控制部;53自身位置推定部;60尘埃地图显示部;62显示部;63输入部。
Claims (11)
1.一种清扫路线决定***,具备:
计算条件输入部,其受理包含设施内部的信息的计算条件;
解析部,其基于所述计算条件,解析所述设施内部的气流的行为和微粒的行为;
地图制作部,其基于所述解析的结果,制作尘埃积聚地图,所述尘埃积聚地图表示在所述设施内部尘埃积聚的一个或多个尘埃积聚场所、和所述一个或多个尘埃积聚场所的尘埃的量;
路径算出部,其基于所述尘埃积聚地图,从多个第2路径决定第1路径;
属性群组计算部,其使用机器学习,进行设施内部的通路以及/或者房间的聚类;以及
属性计算部,其基于所述属性群组计算部中的计算结果,进行将群组分为由人进行清扫的群组和由清扫部进行清扫的群组的分类,
所述多个第2路径的每一个是清扫部在预定时间内通过所述一个或多个尘埃积聚场所中的至少一个场所的路径,
所述第1路径所包括的所有尘埃积聚场所的尘埃的量的合计在多个合计中最大,
所述多个合计的每一个是所述多个第2路径的每一个所包括的所有尘埃积聚场所的尘埃的量的合计,
在群组的区域内的微粒的分布的偏差在阈值以上的情况下,所述属性计算部不选择该群组作为清扫部应该清除的群组。
2.根据权利要求1所述的清扫路线决定***,
还具备终端,
所述地图制作部基于与进行了所述清扫的场所的尘埃的量有关的信息,更新所述尘埃积聚地图,
所述终端接收所述更新后的尘埃积聚地图,
所述终端显示所述更新后的尘埃积聚地图。
3.根据权利要求2所述的清扫路线决定***,
所述终端还具备输入部,
所述地图制作部基于输入到所述输入部的、清扫员进行了清扫的场所的信息,更新所述尘埃积聚地图。
4.根据权利要求3所述的清扫路线决定***,
所述解析部将更新后的所述尘埃积聚地图的信息用作解析所述微粒的所述行为所使用的初始条件。
5.根据权利要求1至4中任一项所述的清扫路线决定***,
所述一个或多个尘埃积聚场所的每一个是积聚有预定量以上的所述尘埃的地点。
6.根据权利要求1至4中任一项所述的清扫路线决定***,
所述解析部使用格子玻尔兹曼方法进行所述气流的所述行为的解析。
7.根据权利要求1至4中任一项所述的清扫路线决定***,
所述解析部使用k-ω模型进行所述气流的所述行为的解析。
8.根据权利要求1至4中任一项所述的清扫路线决定***,
所述解析部使用one-way模型进行所述微粒的所述行为的解析。
9.根据权利要求1至4中任一项所述的清扫路线决定***,
还具备尘埃群组计算部,
所述尘埃群组计算部通过机器学习进行将所述一个或多个尘埃积聚场所分为一个或多个群组的聚类,
所述路径算出部使用所述一个或多个群组决定所述第1路径。
10.根据权利要求1至4中任一项所述的清扫路线决定***,
所述路径算出部使用遗传算法、模拟退火法和量子退火法中的至少一个,算出所述第1路径。
11.一种清扫路线决定方法,包括:
受理包含设施内部的信息的计算条件;
基于所述计算条件,解析所述设施内部的气流的行为和微粒的行为;
基于所述解析的结果,制作尘埃积聚地图,所述尘埃积聚地图表示在所述设施内部尘埃积聚的一个或多个尘埃积聚场所、和所述一个或多个尘埃积聚场所的尘埃的量;
基于所述尘埃积聚地图,从多个第2路径决定第1路径;
使用机器学习,进行设施内部的通路以及/或者房间的聚类;
基于聚类的结果,进行将群组分为由人进行清扫的群组和由清扫部进行清扫的群组的分类,
所述多个第2路径的每一个是清扫部在预定时间内通过所述一个或多个尘埃积聚场所中的至少一个场所的路径,
所述第1路径所包括的所有尘埃积聚场所的尘埃的量的合计在多个合计中最大,
所述多个合计的每一个是所述多个第2路径的每一个所包括的所有尘埃积聚场所的尘埃的量的合计,
在群组的区域内的微粒的分布的偏差在阈值以上的情况下,不选择该群组作为清扫部应该清除的群组。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019015677 | 2019-01-31 | ||
JP2019-015677 | 2019-07-11 | ||
PCT/JP2019/051001 WO2020158275A1 (ja) | 2019-01-31 | 2019-12-25 | 清掃ルート決定システム及び清掃ルート決定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112839556A CN112839556A (zh) | 2021-05-25 |
CN112839556B true CN112839556B (zh) | 2023-06-27 |
Family
ID=71839960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980068158.3A Active CN112839556B (zh) | 2019-01-31 | 2019-12-25 | 清扫路线决定***以及清扫路线决定方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11906324B2 (zh) |
JP (1) | JP7417954B2 (zh) |
CN (1) | CN112839556B (zh) |
WO (1) | WO2020158275A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112867423B (zh) * | 2019-01-31 | 2023-04-14 | 松下知识产权经营株式会社 | 清扫路线决定装置以及清扫路线决定方法 |
GB2616658A (en) * | 2022-03-17 | 2023-09-20 | Dyson Technology Ltd | Control of a robotic vacuum cleaner based on dust distribution data |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010109557A1 (ja) * | 2009-03-27 | 2010-09-30 | パナソニック株式会社 | 集塵装置およびこの装置の制御方法、制御プログラム、プログラムを記憶した記録媒体 |
JP2012154822A (ja) * | 2011-01-27 | 2012-08-16 | Dainippon Printing Co Ltd | ルート算出システム、サーバ、ルート算出方法、プログラム、記録媒体 |
JP2013230294A (ja) * | 2012-05-01 | 2013-11-14 | Sharp Corp | 自走式掃除機 |
JP2017204132A (ja) * | 2016-05-11 | 2017-11-16 | シャープ株式会社 | 自走式電子機器 |
CN108733060A (zh) * | 2018-06-05 | 2018-11-02 | 北京智行者科技有限公司 | 一种作业地图信息的处理方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3548315B2 (ja) * | 1996-02-20 | 2004-07-28 | 富士通株式会社 | 認知地図を持つ装置 |
JP4264009B2 (ja) * | 2004-01-23 | 2009-05-13 | シャープ株式会社 | 自走式掃除機 |
KR100571834B1 (ko) * | 2004-02-27 | 2006-04-17 | 삼성전자주식회사 | 청소 로봇의 바닥 먼지 검출 방법 및 장치 |
TW201239643A (en) * | 2011-03-30 | 2012-10-01 | Micro Star Int Co Ltd | Clean path guiding method with dirt detection |
JP6409003B2 (ja) * | 2013-01-18 | 2018-10-17 | アイロボット コーポレイション | ロボットを用いる方法及びそのコンピュータ可読記憶媒体 |
JP6976544B2 (ja) | 2016-11-30 | 2021-12-08 | シーバイエス株式会社 | 清掃装置およびその制御方法 |
JP2018109494A (ja) * | 2017-01-06 | 2018-07-12 | 株式会社東芝 | 空調制御装置、空調制御方法及びコンピュータプログラム |
US10918252B2 (en) * | 2017-07-27 | 2021-02-16 | Neato Robotics, Inc. | Dirt detection layer and laser backscatter dirt detection |
KR102032285B1 (ko) * | 2017-09-26 | 2019-10-15 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
DE102019101338A1 (de) * | 2019-01-18 | 2020-07-23 | Vorwerk & Co. Interholding Gmbh | System aus einem ausschließlich manuell geführten Bodenbearbeitungsgerät und einem ausschließlich automatisch betriebenen Bodenbearbeitungsgerät sowie Verfahren zum Betrieb eines solchen Systems |
-
2019
- 2019-12-25 JP JP2020569454A patent/JP7417954B2/ja active Active
- 2019-12-25 WO PCT/JP2019/051001 patent/WO2020158275A1/ja active Application Filing
- 2019-12-25 CN CN201980068158.3A patent/CN112839556B/zh active Active
-
2021
- 2021-05-26 US US17/330,493 patent/US11906324B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010109557A1 (ja) * | 2009-03-27 | 2010-09-30 | パナソニック株式会社 | 集塵装置およびこの装置の制御方法、制御プログラム、プログラムを記憶した記録媒体 |
JP2012154822A (ja) * | 2011-01-27 | 2012-08-16 | Dainippon Printing Co Ltd | ルート算出システム、サーバ、ルート算出方法、プログラム、記録媒体 |
JP2013230294A (ja) * | 2012-05-01 | 2013-11-14 | Sharp Corp | 自走式掃除機 |
JP2017204132A (ja) * | 2016-05-11 | 2017-11-16 | シャープ株式会社 | 自走式電子機器 |
CN108733060A (zh) * | 2018-06-05 | 2018-11-02 | 北京智行者科技有限公司 | 一种作业地图信息的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112839556A (zh) | 2021-05-25 |
JP7417954B2 (ja) | 2024-01-19 |
US11906324B2 (en) | 2024-02-20 |
WO2020158275A1 (ja) | 2020-08-06 |
US20210278239A1 (en) | 2021-09-09 |
JPWO2020158275A1 (zh) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112867423B (zh) | 清扫路线决定装置以及清扫路线决定方法 | |
Peng et al. | A self-learning dynamic path planning method for evacuation in large public buildings based on neural networks | |
Ma et al. | Forecasting interactive dynamics of pedestrians with fictitious play | |
CN112839556B (zh) | 清扫路线决定***以及清扫路线决定方法 | |
CN103942624B (zh) | 用于占用估计的***和方法 | |
Hartanti et al. | Optimization of smart traffic lights to prevent traffic congestion using fuzzy logic | |
Pang et al. | UAV path optimization with an integrated cost assessment model considering third-party risks in metropolitan environments | |
WO2014203389A1 (ja) | センサ配置決定装置およびセンサ配置決定方法 | |
KR20110026776A (ko) | 실제 로봇의 다중 경로계획 방법 | |
JP6177715B2 (ja) | 駅混雑予測装置及び駅混雑情報提供システム | |
Caramuta et al. | Survey of detection techniques, mathematical models and simulation software in pedestrian dynamics | |
Muñoz-Carpintero et al. | A methodology based on evolutionary algorithms to solve a dynamic pickup and delivery problem under a hybrid predictive control approach | |
KR20220055167A (ko) | 자율주행 로봇, 자율주행 로봇의 충돌 회피 방법 및 월드 맵 관리 방법 | |
JP7273601B2 (ja) | 混雑解析装置及び混雑解析方法 | |
WO2023193424A1 (zh) | 人机共存环境中遵循行人规范的移动机器人全局导航方法 | |
CN115933685A (zh) | 一种巡检清洁方法、装置、设备及存储介质 | |
CN109883421B (zh) | 一种融合建筑信息模型的智能小车导航方法及*** | |
EP2660756A1 (en) | Method, apparatus and computer program product for simulating the movement of entities in an area | |
CN111125886A (zh) | 一种基于三种不同行为的人群疏散仿真***及仿真方法 | |
Ozmen Koca et al. | A multi-objective route planning model based on genetic algorithm for cuboid surfaces | |
Inamoto et al. | Gradually resolving procedures by a trip-based integer programming to optimize elevator operations | |
Gu et al. | Estimating spatiotemporal contacts between individuals in underground shopping streets based on multi-agent simulation | |
Mukherjee et al. | A mesoscale agent based modeling framework for flow-mediated infection transmission in indoor occupied spaces | |
Bolognini et al. | An autonomous, multi-agent UAV platform for inspection of civil infrastructure | |
Steffen et al. | Multiscale simulation of pedestrians for faster than real time modeling in large events |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |