CN115730699A - 二氧化碳浓度预测***、方法以及程序 - Google Patents
二氧化碳浓度预测***、方法以及程序 Download PDFInfo
- Publication number
- CN115730699A CN115730699A CN202211014644.7A CN202211014644A CN115730699A CN 115730699 A CN115730699 A CN 115730699A CN 202211014644 A CN202211014644 A CN 202211014644A CN 115730699 A CN115730699 A CN 115730699A
- Authority
- CN
- China
- Prior art keywords
- carbon dioxide
- concentration
- unit
- prediction
- internal space
- 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
Links
Images
Landscapes
- Ventilation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
- Emergency Alarm Devices (AREA)
Abstract
提供一种二氧化碳浓度预测***、方法以及程序。二氧化碳浓度预测***具备:预测部,其基于预测对象中的内部空间的当前的二氧化碳浓度、以及预测对象中的环境信息,来预测内部空间的二氧化碳浓度;以及提供部,其提供由预测部预测出的二氧化碳浓度。预测部可以进一步预测从当前的二氧化碳浓度起到基于当前的二氧化碳浓度和环境信息预测出的二氧化碳浓度为止的预测对象中的二氧化碳浓度的时间变化,提供部可以进一步提供二氧化碳浓度的时间变化。
Description
技术领域
本发明涉及一种二氧化碳浓度预测***、二氧化碳浓度预测方法以及二氧化碳浓度预测程序。
背景技术
在专利文献1中记载了“提供一种在发电设备中高效地配置用于探测排出的二氧化碳的浓度的二氧化碳探测装置的技术。”(摘要)。
现有技术文献
专利文献
专利文献1:日本特开2012-008713号公报
发明内容
在本发明的第一方式中,提供一种二氧化碳浓度预测***。二氧化碳浓度预测***具备:预测部,其基于预测对象中的内部空间的当前的二氧化碳浓度、以及预测对象中的环境信息,来预测内部空间的二氧化碳浓度;以及提供部,其提供由预测部预测出的二氧化碳浓度。在内部空间中收容含有二氧化碳的气体。环境信息还包含内部空间中的气流信息。气流信息包含向内部空间供给内部空间的外部的外部气体的供给部的信息、以及将内部空间中的气体即内部气体排出到内部空间的外部的排出部的信息中的至少一方。供给部的信息和排出部的信息包含伴随供给部和排出部的工作而产生的费用。预测部预测第一浓度、第二浓度、以及二氧化碳浓度为第二浓度的情况下的费用中的至少一者,所述第一浓度是供给部和排出部的当前的工作状态下的二氧化碳浓度,所述第二浓度是供给部和排出部中的至少一方从当前的工作状态发生了变化的情况下的二氧化碳浓度。提供部提供当前的二氧化碳浓度、第一浓度、第二浓度以及费用中的至少一者。
预测部可以基于预测出的第二浓度,来控制供给部和排出部中的至少一方,以使内部空间的二氧化碳浓度成为阈值浓度以下。
预测部可以进一步预测从当前的二氧化碳浓度起到基于当前的二氧化碳浓度和环境信息预测出的二氧化碳浓度为止的预测对象中的二氧化碳浓度的时间变化。提供部可以进一步提供二氧化碳浓度的时间变化。
环境信息可以包含内部空间的温度和湿度中的至少一方。预测部可以基于内部空间中的当前的温度和湿度中的至少一方,来预测内部空间的温度和湿度中的至少一方。提供部可以进一步提供由预测部预测出的内部空间的温度和湿度中的至少一方。
第一浓度可以是供给部和排出部不工作的状态下的二氧化碳浓度。第二浓度可以是供给部和排出部中的至少一方进行着工作的状态下的二氧化碳浓度。
预测部可以按供给部和排出部中的至少一方的工作状态,来预测内部空间的二氧化碳浓度和费用。提供部可以按工作状态来提供由预测部预测出的内部空间的二氧化碳浓度和费用。
预测部可以基于当前的二氧化碳浓度和第一浓度,进一步预测供给部和排出部中的至少一方的工作开始时间点,并进一步预测第三浓度,所述第三浓度是供给部和排出部中的至少一方在工作开始时间点开始了工作的情况下的二氧化碳浓度。提供部可以进一步提供工作开始时间点和第三浓度中的至少一方。
气流信息可以包含多个供给部的信息和多个排出部的信息中的至少一方。可以是,在气流信息包含多个供给部的信息的情况下,预测部按多个供给部的每个供给部来预测多个供给部的各供给部进行着工作的状态下的第二浓度,提供部提供由预测部预测出的多个供给部的每个供给部的第二浓度。可以是,在气流信息包含多个排出部的信息的情况下,预测部按多个排出部的每个排出部来预测多个排出部的各排出部进行着工作的状态下的第二浓度,提供部提供由预测部预测出的多个排出部的每个排出部的第二浓度。
预测部可以基于预测对象中的二氧化碳浓度,进一步预测由供给部向内部空间供给的外部气体的供给量、以及由排出部排出到内部空间的外部的内部气体的排出量中的至少一方。提供部可以进一步提供由预测部预测出的外部气体的供给量和内部气体的排出量中的至少一方。
预测部可以基于外部气体的供给量及内部气体的排出量中的至少一方、当前的二氧化碳浓度、以及环境信息,进一步预测内部空间的二氧化碳浓度。
预测部可以基于由摄像部拍摄到的内部空间的图像,进一步预测内部空间的大小,还基于预测出的内部空间的大小,进一步预测内部空间的二氧化碳浓度。
环境信息可以包含数量信息,所述数量信息是内部空间中存在的生物体的数量的信息。预测部可以还基于生物体的数量信息,进一步预测内部空间的二氧化碳浓度。
环境信息可以包含存在于内部空间的生物体的运动信息。预测部可以还基于生物体的运动信息,进一步预测内部空间的二氧化碳浓度。
预测部可以基于由摄像部拍摄到的内部空间的图像、以及由声音获取部获取到的生物体的声音中的至少一方,来获取生物体的运动信息。
预测部可以基于生物体的数量信息和生物体的运动信息,来对由生物体排出的二氧化碳的量进行校正,并基于校正后的二氧化碳的量,来预测内部空间的二氧化碳浓度。
预测部可以基于生物体在内部空间的滞留计划,来对由生物体排出的二氧化碳的量进行校正,并基于校正后的二氧化碳的量,来预测内部空间的二氧化碳浓度。
预测***可以还具备:多个终端;以及判定部,其判定由预测部预测出的二氧化碳浓度与作为内部空间的二氧化碳浓度的阈值的阈值浓度之间的大小关系。多个终端可以各自具有存储部和提供部。存储部可以存储阈值浓度。预测部可以预测第二浓度。判定部可以判定由预测部预测出的第二浓度与各个存储部中存储的各个阈值浓度之间的大小关系。可以是,在由判定部判定为第二浓度比多个终端中的一个终端中的存储部中存储的阈值浓度大的情况下,一个终端中的提供部提供与内部空间的二氧化碳浓度有关的警告信息。
存储部可以存储内部空间的二氧化碳浓度与内部空间中存在的生物体的劳务费用之间的相关性。预测部可以基于存储部中存储的相关性,来预测与内部空间的二氧化碳浓度对应的生物体的劳务费用。可以是,在由预测部预测出的生物体的劳务费用为预先决定的劳务费用阈值以上的情况下,供给部向内部空间供给外部气体,或者,排出部将内部气体排出到内部空间的外部。
预测部可以基于当前的二氧化碳浓度、以及预测出的内部空间的二氧化碳浓度,进一步预测供给部和排出部中的至少一方的工作开始时间点,并进一步预测第四浓度,所述第四浓度是供给部和排出部中的至少一方在工作开始时间点开始了工作的情况下的二氧化碳浓度。提供部可以进一步提供工作开始时间点和第四浓度中的至少一方。
在本发明的第二方式中,提供一种二氧化碳浓度预测方法。二氧化碳浓度预测方法包括:预测阶段,预测部基于预测对象中的内部空间的当前的二氧化碳浓度、以及预测对象中的环境信息,来预测内部空间的二氧化碳浓度;以及提供阶段,提供部提供在预测阶段中预测出的二氧化碳浓度。在内部空间中收容含有二氧化碳的气体。环境信息还包含内部空间中的气流信息。气流信息包含向内部空间供给内部空间的外部的外部气体的供给部的信息、以及将内部空间中的气体即内部气体排出到内部空间的外部的排出部的信息中的至少一方。供给部的信息和排出部的信息包含伴随供给部和排出部的工作而产生的费用。预测阶段是以下阶段:预测部预测第一浓度、第二浓度、以及二氧化碳浓度为第二浓度的情况下的费用中的至少一者,所述第一浓度是供给部和排出部的当前的工作状态下的二氧化碳浓度,所述第二浓度是供给部和排出部中的至少一方从当前的工作状态发生了变化的情况下的二氧化碳浓度。提供阶段是以下阶段:提供部提供当前的二氧化碳浓度、第一浓度、第二浓度以及费用中的至少一者。
在本发明的第三方式中,提供一种二氧化碳浓度预测程序。二氧化碳浓度预测程序使计算机执行二氧化碳浓度预测方法。
根据上述方式,用户能够预先识别在将来的时刻的二氧化碳浓度。
此外,上述的发明内容并未列举出本发明的全部特征。另外,这些特征组的子组合还能够形成发明。
附图说明
图1是示出本发明的一个实施方式所涉及的预测对象500的一例的图。
图2是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的一例的框图。
图3是示出由CO2(二氧化碳)传感器400测定出的内部空间508的CO2(二氧化碳)浓度与时间t的关系的一例的图。
图4是示出由CO2(二氧化碳)传感器400测定出的内部空间508的CO2(二氧化碳)浓度与时间t的关系的一例的图。
图5是示出由CO2(二氧化碳)传感器400测定出的内部空间508的CO2(二氧化碳)浓度与时间t的关系的一例的图。
图6是用于说明图3~图5的例子中的预测部10对浓度Cf的预测的一例的图。
图7是示出提供部20对浓度Cf的提供的一例的图。
图8是示出提供部20对浓度Cf的提供的另一例的图。
图9是示出提供部20对浓度Cf的提供的另一例的图。
图10是示出提供部20对浓度Cf的提供的另一例的图。
图11是示出提供部20对浓度Cf的提供的另一例的图。
图12是示出提供部20对浓度Cf的提供的另一例的图。
图13是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图14是示出本发明的一个实施方式所涉及的预测对象500的另一例的图。
图15是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图16是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图17是示出由CO2(二氧化碳)传感器400测定出的内部空间508的CO2(二氧化碳)浓度与时间t的关系的另一例的图。
图18是示出本发明的一个实施方式所涉及的预测对象500的另一例的图。
图19是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图20是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图21是示出内部空间508的CO2(二氧化碳)浓度的预测方法的一例的图。
图22是示出生物体90的运动信息Im的获取方法的一例的图。
图23是示出生物体90的运动信息Im的获取方法的另一例的图。
图24是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图25是示出劳务费用与换气量之间的相关性的一例的概念图。
图26是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图27是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。
图28是示出本发明的一个实施方式所涉及的二氧化碳浓度预测方法的一例的流程图。
图29是示出本发明的一个实施方式所涉及的二氧化碳浓度预测方法的另一例的流程图。
图30是示出可以将本发明的一个实施方式所涉及的二氧化碳浓度预测装置100或二氧化碳浓度预测***300整体或局部地具体化的计算机2200的一例的图。
具体实施方式
下面,通过发明的实施方式来对本发明进行说明,但是下面的实施方式不是对权利要求书请求保护的发明进行限定。另外,实施方式中说明的特征的组合不一定全部是发明的解决方案所必须的。
图1是示出本发明的一个实施方式所涉及的预测对象500的一例的图。预测对象500是预测CO2(二氧化碳)浓度的对象。预测对象500是指包围房间501的空间。在图1中,预测对象500用粗虚线示出。
内部空间508是房间501的内部的空间。内部空间508是与内部空间508的外部隔离开的空间。在内部空间508中收容含有CO2(二氧化碳)的气体。将该气体设为内部气体504。外部空间502是房间501的外部的空间。外部空间502是内部空间508的外部的空间。预测对象500可以包含内部空间508和外部空间502。将外部空间502中的气体设为外部气体503。
在房间501中可以设置供给部507和排出部509中的至少一方。在本例中,在房间501中设置有供给部507和排出部509这两方。供给部507向内部空间508供给外部气体503。排出部509将内部气体504排出到外部空间502。供给部507和排出部509中的至少一方也可以通过使内部气体504循环、或者对内部气体504进行净化来调整内部气体504的品质。供给部507例如是空调设备、空气净化器、空调、窗、HVAC(Heating、Ventilation、and AirConditioning:供热通风与空气调节)***等。排出部509例如是换气扇、换气口、窗、HVAC(Heating、Ventilation、and Air Conditioning:供热通风与空气调节)***等。
将由供给部507供给的外部气体503的供给量设为供给量Q。供给量Q可以是外部气体503的体积或质量。将由排出部509排出的内部气体504的排出量设为排出量Q’。排出量Q’可以是内部气体504的体积或质量。排出量Q’可以与供给量Q相等。
在内部空间508中可以存在生物体90。生物体90是反复进行从肺部呼出气体和将气体吸进肺部的生命体。在本例中,生物体90是人。生物体90向内部空间508排出CO2(二氧化碳)。将由生物体90向内部空间508排出的CO2(二氧化碳)的量设为排出量ECO2。排出量ECO2可以是由生物体90在单位时间排出的CO2(二氧化碳)的量。排出量ECO2可以是由生物体90排出的CO2(二氧化碳)的体积或质量。
在内部空间508中可以配置CO2(二氧化碳)传感器400。CO2(二氧化碳)传感器400对内部空间508中的CO2(二氧化碳)的浓度进行测定。
在内部空间508中可以存在感染源512。在图1中,用星星记号表示感染源512。感染源512例如是病毒、细菌等。感染源512可以包含在内部气体504中,也可以包含在外部气体503中。感染源512例如是SARS-CoV-2病毒。SARS-CoV-2病毒是所谓的新型冠状病毒。在生物体90(参照图1)被感染源512感染了的情况下,因生物体90呼气而排出的感染源512也可以存在于预测对象500中。
在内部空间508中可以配置摄像部80。摄像部80例如是摄像机。摄像部80也可以是测定生物体90的体温的热成像摄像机。摄像部80拍摄内部空间508的图像。摄像部80可以拍摄静止图像,也可以拍摄运动图像。
在内部空间508中也可以配置激光雷达***。激光雷达(LIDAR:Light DetectionAnd Ranging:光探测与测距)是指以下技术:通过向对象物照射激光并用光传感器测定其反射光,来测定激光雷达与该对象物之间的距离,或者,通过向对象物照射激光来将照射到激光的空间图像化。二氧化碳浓度预测***300(后述)能够通过激光雷达***来获取多个生物体90之间的距离、生物体90的位置信息以及内部空间508的大小的信息等中的至少一者。
在预测对象500中可以配置声音获取部82。声音获取部82例如是麦克风。声音获取部82获取生物体90的声音。
图2是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的一例的框图。二氧化碳浓度预测***300具备预测部10和提供部20。二氧化碳浓度预测***300可以具备二氧化碳浓度预测装置100和终端200。在图2中,用一点划线表示二氧化碳浓度预测装置100的范围,用两点划线表示终端200的范围。在本例中,二氧化碳浓度预测装置100具备预测部10,终端200具备提供部20。
二氧化碳浓度预测装置100可以具有CO2(二氧化碳)传感器400、环境信息获取部180以及发送部50。环境信息获取部180获取环境信息。将该环境信息设为环境信息Ie。关于环境信息Ie,在后文叙述。环境信息获取部180可以包括摄像部80和声音获取部82。发送部50发送由预测部10预测出的预测结果。将该预测结果设为预测结果Rp。
预测部10可以是CPU(Central Processing Unit:中央处理单元)。二氧化碳浓度预测装置100可以是具备该CPU、存储器以及接口等的计算机。二氧化碳浓度预测装置100可以是平板电脑等可携带的计算机,也可以是便携式终端。二氧化碳浓度预测装置100也可以是云上的计算机。
终端200可以具有接收部52。接收部52接收由发送部50发送的预测结果Rp。发送部50可以通过无线的方式发送预测结果Rp,也可以通过有线的方式发送预测结果Rp。接收部52可以通过无线的方式接收预测结果Rp,也可以通过有线的方式接收预测结果Rp。该无线可以是指Wi-Fi(注册商标)、Bluetooth(注册商标)等近距离无线。
提供部20可以具有控制部18、显示部30以及声音输出部32。提供部20可以具有显示部30和声音输出部32中的至少一方。在本例中,提供部20具有显示部30和声音输出部32这两方。
显示部30用于显示预测结果Rp。显示部30例如是显示器、监视器等。在终端200是平板型计算机的情况下,显示部30可以是该平板型计算机的显示器。
声音输出部32用于输出与预测结果Rp有关的声音。声音输出部32例如是扬声器。与预测结果Rp有关的声音例如是指在内部空间508的CO2(二氧化碳)浓度接近预先决定的浓度的情况下警告接近了该浓度的警告音等。
控制部18可以是CPU(Central Processing Unit:中央处理单元)。终端200可以是具备该CPU的便携式终端,也可以是平板电脑等可携带的计算机。终端200可以是具备该CPU、存储器以及接口等的计算机。
控制部18使显示部30显示由接收部52接收到的预测结果Rp,并使声音输出部32输出该预测结果Rp。提供部20提供预测结果Rp可以是指控制部18使显示部30显示预测结果Rp,也可以是指使声音输出部32输出预测结果Rp。
图3~图5是示出由CO2(二氧化碳)传感器400(参照图1)测定出的内部空间508的CO2(二氧化碳)浓度与时间t的关系的一例的图。在图3~图5中设为,CO2(二氧化碳)传感器400在时刻t1开始CO2(二氧化碳)浓度的测定,并测定CO2(二氧化碳)浓度直到时刻t2为止。时刻t1是比时刻t2早预先决定的时间的时刻。将该时间设为时间T1。将比时刻t2晚预先决定的时间的时刻设为时刻tf。将该时间设为时间Tf。时刻t2可以是当前时刻。时刻t2可以在时刻t1之后被逐次更新。
预测部10(参照图2)基于内部空间508(参照图1)的当前的CO2(二氧化碳)浓度、以及预测对象500中的环境信息Ie,来预测内部空间508的CO2(二氧化碳)浓度。当前的CO2(二氧化碳)浓度可以是指图3中的时间T1的期间的CO2(二氧化碳)浓度。将当前的CO2(二氧化碳)浓度设为浓度Cp。
预测部10(参照图2)所预测的CO2(二氧化碳)浓度可以是指时刻tf的CO2(二氧化碳)浓度。在时刻t2为当前时刻的情况下,时刻tf为将来的时刻。将由预测部10预测出的时刻tf的CO2(二氧化碳)浓度设为浓度Cf。此外,上述的预测结果Rp是指浓度Cf。
将内部空间508(参照图1)中的CO2(二氧化碳)的预先决定的阈值浓度设为阈值浓度Cth。阈值浓度Cth例如是存在于内部空间508的生物体90(参照图1)被感染源512(参照图1)感染的风险为预先决定的比例以上的CO2(二氧化碳)的浓度。在感染源512是SARS-CoV-2病毒的情况下,阈值浓度Cth可以是被判断为生物体90处于密闭、密集及密接的状态(所谓的三密的状态)的可能性高的CO2(二氧化碳)的浓度。该阈值浓度Cth例如为1000ppm。此外,被感染源512感染的风险能够按地域、按期间而发生变化。阈值浓度Cth可以与每个地域、每个期间的感染的风险的变化相匹配地变更。阈值浓度Cth可以通过线上方式等的控制来变更。
环境信息Ie是与预测对象500(参照图1)的环境有关的信息。环境信息Ie可以包含与CO2(二氧化碳)浓度有关的信息。与CO2(二氧化碳)浓度有关的信息可以是指时间T1期间的CO2(二氧化碳)浓度的时间变化率,也可以是指时间Tf期间的CO2(二氧化碳)浓度的时间变化率。
环境信息Ie可以包含与生物体90(参照图1)有关的信息。与生物体90(参照图1)有关的信息可以是指能够影响在预测对象500(参照图1)中被感染源512(参照图1)感染的风险程度的信息。与生物体90有关的信息中可以包含排出量ECO2(参照图1)的信息。将该信息设为排出量信息Ic。
排出量信息Ic是能够影响生物体90排出CO2(二氧化碳)的排出量ECO2的信息。排出量信息Ic可以包含生物体90(参照图1)的声音信息Iv(后述)、生物体90的数量信息In(后述)、生物体90的体温信息、生物体90的鼻或口的露出信息、生物体90的滞留时间信息、以及生物体90的运动信息Im(后述)中的至少一者。环境信息Ie可以包含生物体90在内部空间508(参照图1)中的位置信息、以及在内部空间508中存在多个生物体90的情况下的该多个生物体90之间的距离信息中的至少一方。
环境信息Ie可以包含内部空间508中悬浮的颗粒物质的信息。颗粒物质例如是PM(Particle Matter:颗粒物)2.5。该颗粒物质能够由上述的激光雷达***或灰尘传感器来探测。
在二氧化碳浓度预测***300中,预测部10(参照图2)基于内部空间508(参照图1)的浓度Cp(当前的CO2(二氧化碳)浓度)和环境信息Ie,来预测内部空间508的CO2(二氧化碳)浓度Cf。因此,二氧化碳浓度预测***300的用户能够识别内部空间508中的浓度Cf。二氧化碳浓度预测***300的用户能够识别浓度Cf是否超过阈值浓度Cth。
此外,图3是浓度Cf不超过阈值浓度Cth的情况下的一例,图4是浓度Cf超过阈值浓度Cth的情况下的一例。图5是由CO2(二氧化碳)传感器400(参照图1)测定出的CO2(二氧化碳)浓度在时间T1的期间超过了阈值浓度Cth的情况下的一例。
图6是用于说明图3~图5的例子中的预测部10对浓度Cf的预测的一例的图。将内部空间508(参照图1)的CO2(二氧化碳)浓度设为浓度c。将外部空间502(参照图1)的CO2(二氧化碳)浓度设为浓度co。设为外部气体503(参照图1)的供给量Q与内部气体504(参照图1)的排出量Q’相等。将内部空间508的体积设为体积V。内部空间508的CO2(二氧化碳)浓度的时间变化通过下述式1来表示。
【式1】
通过对式1进行变形,得到下述式2。
【式2】
在式2中,右边第一项的系数中的浓度c是时刻t=0时的内部空间508的CO2(二氧化碳)浓度。
在图6中,CO2(二氧化碳)浓度(c-c0)的实测值用黑色圆点标绘。CO2(二氧化碳)浓度(c-c0)的实测值可以存储于存储部40(参照后述的图20)。从时刻t1至时刻t2的CO2(二氧化碳)浓度(c-c0)的实测值可以通过式2来拟合。在图6中,CO2(二氧化碳)浓度(c-c0)的实测值通过式2拟合后的结果用粗虚线示出。在图6中,时刻t2以后的粗虚线用加粗线示出。在CO2(二氧化碳)浓度(c-c0)的时间变化遵循式2的情况下,CO2(二氧化碳)浓度(c-c0)随着时间t的经过而向固定值(ECO2/Q)渐近。
此外,对于浓度c0,可以使用在内部空间508中不存在生物体90、且已充分换气的状态下测量出的内部空间508的CO2(二氧化碳)浓度。对于浓度c0,可以使用从卫星或公共的测定机构得到的CO2(二氧化碳)浓度,也可以使用外部空间502中一般设想的CO2(二氧化碳)浓度。外部空间502中一般设想的CO2(二氧化碳)浓度例如是400ppm。
根据通过式2进行拟合的结果,将CO2(二氧化碳)浓度(c-c0)与固定值(ECO2/Q)的比例成为预先决定的比例的时刻t设为时刻tm。该预先决定的比例是能够视为CO2(二氧化碳)浓度(c-c0)达到了固定值(ECO2/Q)的、CO2(二氧化碳)浓度(c-c0)与固定值(ECO2/Q)的比例。该比例例如是95%。此外,时刻tf是从时刻t2到时刻tm的期间内的任意时刻。
将从时刻t1到时刻tm的时间设为时间T2。为了能够视为CO2(二氧化碳)浓度(c-c0)达到了固定值(ECO2/Q),T2优选为T1的3倍以上,更优选为10倍以上。
预测部10(参照图2)可以通过式2来预测时刻tf的内部空间508的CO2(二氧化碳)浓度(浓度Cf)。预测部10可以基于存储部40(后述)中存储的CO2(二氧化碳)浓度(c-c0)的实测值,通过式2来预测浓度Cf。预测部10可以随着时刻t2更新而将基于时刻t1以后且时刻t2之前的多个该实测值通过式2预测出的浓度Cf持续更新。
时刻t2可以持续更新到比时刻t1晚的预先决定的时刻。将该预先决定的时刻设为时刻t2e。可以是,在时刻t2达到了时刻t2e的情况下,时刻t2的更新结束。
图7是示出提供部20(参照图2)对浓度Cf的提供的一例的图。在本例中,终端200是智能手机。提供部20(参照图2)提供由预测部10(参照图2)预测出的浓度Cf。提供部20也可以提供预测对象中的浓度Cp(当前的CO2(二氧化碳)浓度)和浓度Cf。在本例中,终端200(智能手机)的控制部18(参照图2)使显示部30显示浓度Cf。
图7所示的“当前”可以是指图3~图6中的时刻t2。图7所示的“5分钟后”可以是指图3~图6中的时刻tf。在本例中,在显示部30中显示为:浓度Cp是890ppm,浓度Cf是1003ppm。
提供部20(参照图2)可以提供表示CO2(二氧化碳)浓度比阈值浓度Cth大的警告信息。在本例中设为,890ppm的浓度Cp小于阈值浓度Cth,1003ppm的浓度Cf为阈值浓度Cth以上。在本例中,在显示部30中,显示表示浓度Cp小于阈值浓度Cth的白色圆点的标识,并显示表示浓度Cf为阈值浓度Cth以上的黑色圆点的标识来作为警告信息。
预测部10(参照图2)可以预测从浓度Cp到浓度Cf的、预测对象500中的CO2(二氧化碳)浓度的时间变化。在本例中,预测部10预测比时刻t2晚的CO2(二氧化碳)浓度的时间变化。CO2(二氧化碳)浓度的该时间变化在图3~图6所示的例子中指粗虚线部分。
提供部20可以进一步提供由预测部10预测出的CO2(二氧化碳)浓度的时间变化。提供部20提供CO2(二氧化碳)浓度的时间变化可以是指提供部20使显示部30显示图3~图5所示的CO2(二氧化碳)浓度与时间t的关系。
图8是示出提供部20(参照图2)对浓度Cf的提供的另一例的图。在本例中,终端200是笔记本型计算机。在本例中,终端200(笔记本型计算机)的控制部18(参照图2)使显示部30显示浓度Cf。与图7的例子同样地,在本例中也是,在显示部30中,显示表示浓度Cp小于阈值浓度Cth的白色圆点的标识,并显示表示浓度Cf为阈值浓度Cth以上的黑色圆点的标识。
图9是示出提供部20(参照图2)对浓度Cf的提供的另一例的图。在本例中,终端200是智能眼镜。在本例中,终端200(智能眼镜)的控制部18(参照图2)使显示部30显示浓度Cf。在本例中也设为,浓度Cp小于阈值浓度Cth,浓度Cf为阈值浓度Cth以上。在本例中,在显示部30中,浓度Cp的显示的背景与浓度Cf的显示的背景以不同的方式显示。在图9中,浓度Cf的显示的背景用斜线示出,但是该背景也可以以与浓度Cp的显示的背景不同的颜色显示。
图10是示出提供部20(参照图2)对浓度Cf的提供的另一例的图。在本例中,终端200是智能手表。在本例中,终端200(智能手表)的控制部18(参照图2)使显示部30显示浓度Cf,且使终端200振动。在本例中,在显示部30中,显示着表示在时刻tf(图10中的“5分钟后”的显示)浓度Cf成为阈值浓度Cth以上的语句。
图11是示出提供部20(参照图2)对浓度Cf的提供的另一例的图。在本例中,终端200是智能扬声器。终端200可以是固置型的扬声器。在本例中,终端200(智能扬声器)的控制部18(参照图2)使声音输出部32输出浓度Cf。在本例中,从声音输出部32输出在时刻tf(图10中的“5分钟后”的显示)浓度Cf成为阈值浓度Cth以上的意思的播报。此外,终端200也可以是耳机。
图12是示出提供部20(参照图2)对浓度Cf的提供的另一例的图。在本例中,终端200是智能墙、智能桌及智能窗。在本例中,终端200(智能墙等)的控制部18(参照图2)使显示部30显示浓度Cf。在本例中,在显示部30中显示着图3~图5的任一图所示的CO2(二氧化碳)浓度与时间t的关系。
图13是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。在本例中,环境信息Ie还包含内部空间508中的气流信息。将该气流信息设为气流信息Iaf。气流信息Iaf是对内部空间508的气流造成影响的设备的信息。气流信息Iaf可以包含供给部507(参照图1)的信息和排出部509(参照图1)的信息中的至少一方。
供给部507(参照图1)的信息可以是指由供给部507每单位时间供给的外部气体503的体积或质量。由供给部507供给的外部气体503的体积或质量可以是指由供给部507实际供给的外部气体503的体积或质量。由供给部507供给的外部气体503的体积或质量也可以是指由供给部507供给的外部气体503的一般性的体积或质量。该一般性的体积或质量可以是由供给部507供给的外部气体503的体积或质量的规格值。供给部507的信息也可以是指供给部507在内部空间508中的位置信息。将供给部507的该信息设为供给部信息Isp。
排出部509(参照图1)的信息可以是指由排出部509每单位时间排出的内部气体504的体积或质量。由排出部509排出的内部气体504的体积或质量可以是指由排出部509实际排出的内部气体504的体积或质量。由排出部509排出的内部气体504的体积或质量也可以是指由排出部509排出的内部气体504的一般性的体积或质量。该一般性的体积或质量可以是由排出部509排出的内部气体504的体积或质量的规格值。排出部509的信息也可以是指排出部509在内部空间508中的位置信息。将排出部509的该信息设为排出部信息Iex。
预测部10可以预测供给部507和排出部509的当前的工作状态持续的情况下的CO2(二氧化碳)浓度。将该CO2(二氧化碳)浓度设为第一浓度Cf1。第一浓度Cf1可以是供给部507和排出部509不工作的状态下的CO2(二氧化碳)浓度。供给部507和排出部509不工作的状态可以是指内部空间508不被机械换气的状态。内部空间508不被机械换气的状态可以是指未通过供给部507和排出部509中的至少一方进行工作等来人为地进行换气的状态。内部空间508不被机械换气的状态可以包括进行通过房间501(参照图1)中设置的窗等的间隙的换气等、自然的换气的状态。
预测部10可以预测供给部507和排出部509中的至少一方从当前的工作状态发生了变化的情况下的CO2(二氧化碳)浓度。将该CO2(二氧化碳)浓度设为第二浓度Cf2。第二浓度Cf2可以是供给部507和排出部509中的至少一方进行着工作的状态下的CO2(二氧化碳)浓度。供给部507和排出部509中的至少一方进行着工作的状态可以是指内部空间508被换气的状态。
在供给部507和排出部509中的至少一方从当前的工作状态发生了变化的情况下,供给部507和排出部509中的至少一方的工作状态可以包括比当前的工作状态增加了的情况和比当前的工作状态减少了的情况。供给部507的工作状态增加和减少分别是指由供给部507供给的气体的每单位时间的流量增加和减少。排出部509的工作状态增加和减少分别是指由排出部509排出的气体的每单位时间的流量增加和减少。
提供部20可以提供第一浓度Cf1和第二浓度Cf2中的至少一方。提供部20可以提供当前的CO2(二氧化碳)浓度(浓度Cp)、第一浓度Cf1以及第二浓度Cf2。由此,二氧化碳浓度预测***300的用户能够在时刻t2预先识别在时间Tf(参照图3~图6)的期间供给部507和排出部509不为工作状态的情况下的时刻tf(参照图3~图6)的CO2(二氧化碳)浓度(第一浓度Cf1)、以及在时间Tf的期间供给部507和排出部509为工作状态的情况下的时刻tf的CO2(二氧化碳)浓度(第二浓度Cf2)。
可以是,在第一浓度Cf1为阈值浓度Cth以上的情况下,提供部20提供推荐使供给部507和排出部509中的至少一方工作的信息。该信息可以在显示部30中显示,可以从声音输出部32输出。图7和图8所示的黑色圆点的标识、图9所示的阴影、以及图10所示的语句是推荐使供给部507和排出部509中的至少一方工作的信息的一例。
在图7~图10及图12所示的例子中,可以在显示部30中显示浓度Cp、第一浓度Cf1以及第二浓度Cf2。在图11所示的例子中,可以从声音输出部32输出浓度Cp、第一浓度Cf1以及第二浓度Cf2。
预测部10可以基于预测出的第二浓度Cf2,来控制供给部507和排出部509中的至少一方,以使内部空间508的CO2(二氧化碳)浓度成为阈值浓度Cth以下。由此,内部空间508的CO2(二氧化碳)浓度易于维持在阈值浓度Cth以下。
图14是示出本发明的一个实施方式所涉及的预测对象500的另一例的图。在本例中,在内部空间508中还配置有温湿度传感器401。本例在这一点上与图1所示的预测对象500不同。温湿度传感器401测定内部空间508的温度和湿度。
环境信息Ie可以还包含内部空间508的温度和湿度中的至少一方。将该温度设为温度Temp。将该湿度设为湿度H。温度Temp和湿度H可以由温湿度传感器401测定。
有时感染源512的生存期间依赖于温度Temp和湿度H中的至少一方。在感染源512为SARS-CoV-2病毒(所谓的新型冠状病毒)的情况下,与预先决定的温度Temp的范围的偏离越大,则该感染源512的生存期间越容易变长。与预先决定的湿度H的范围的偏离越大,则该感染源512的生存期间越容易变长。预先决定的温度Temp的范围例如是20℃以上且25℃以下。预先决定的湿度H例如是相对湿度为40%以上且60%以下的范围。相对湿度是指空气中含有的水蒸气的比例。
图15是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。在本例中,二氧化碳浓度预测***300还具备温湿度传感器401(参照图14)。本例在这一点上与图13所示的二氧化碳浓度预测***300不同。环境信息获取部180可以还包含温湿度传感器401。
预测部10可以基于内部空间508中的当前的温度Temp和湿度H中的至少一方,来预测内部空间508的温度Temp和湿度H中的至少一方。预测部10可以基于内部空间508中的当前的温度Temp和湿度H中的至少一方、以及与CO2(二氧化碳)浓度有关的信息和与生物体90(参照图1)有关的信息中的至少一方,来预测内部空间508的温度Temp和湿度H中的至少一方。由预测部10预测出的该温度Temp和该湿度H分别可以是时刻tf(参照图3~图6)的温度Temp和湿度H。
预测部10可以基于内部空间508中的当前的温度Temp和湿度H中的至少一方,来预测内部空间508的温度Temp和湿度H中的至少一方。预测部10可以基于内部空间508中的当前的温度Temp和湿度H中的至少一方,来预测供给部507和排出部509中的至少一方的当前的工作状态下的内部空间508的温度Temp和湿度H中的至少一方。将该温度Temp和该湿度H分别设为第一温度Temp1和第一湿度H1。第一温度Temp1和第一湿度H1分别可以是供给部507和排出部509中的至少一方不工作的状态下的温度Temp和湿度H。
预测部10可以基于内部空间508中的当前的温度Temp和湿度H中的至少一方,来预测供给部507和排出部509从当前的工作状态发生了变化的情况下的内部空间508的温度Temp和湿度H中的至少一方。将该温度Temp和该湿度H分别设为第二温度Temp2和第二湿度H2。第二温度Temp2和第二湿度H2分别可以是供给部507和排出部509中的至少一方进行着工作的状态下的温度Temp和湿度H。
提供部20可以进一步提供内部空间508的温度Temp和湿度H中的至少一方。提供部20可以进一步提供由预测部10预测出的内部空间508的第一温度Temp1和第一湿度H1中的至少一方。提供部20可以进一步提供由预测部10预测出的内部空间508的第二温度Temp2和第二湿度H2中的至少一方。由此,二氧化碳浓度预测***300的用户能够在时刻t2预先识别时刻tf的第一温度Temp1和第一湿度H1中的至少一方、以及时刻tf的第二温度Temp2和第二湿度H2中的至少一方。
在图7~图10以及图12所示的例子中,可以在显示部30中显示第一温度Temp1、第一湿度H1、第二温度Temp2以及第二湿度H2。在图11所示的例子中,可以从声音输出部32输出第一温度Temp1、第一湿度H1、第二温度Temp2以及第二湿度H2。
可以是,在预测出第一温度Temp1未处于预先决定的温度Temp的范围的情况下,提供部20提供推荐使供给部507和排出部509中的至少一方工作的信息。该信息可以在显示部30中显示,可以从声音输出部32输出。
图16是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。在本例中,二氧化碳浓度预测***300还具备费用获取部70,在该方面与图15所示的二氧化碳浓度预测***300不同。在本例中,二氧化碳浓度预测装置100具备费用获取部70。
供给部信息Isp和排出部信息Iex可以包含伴随供给部507和排出部509的工作而产生的费用。将该费用设为费用Ex。在供给部507为空调设备的情况下,伴随供给部507的工作而产生的费用Ex可以是伴随该空调设备的工作而产生的电费。在排出部509为换气扇的情况下,伴随排出部509的工作而产生的费用Ex可以是伴随该换气扇的工作而产生的电费。在本例中,费用获取部70获取供给部信息Isp和排出部信息Iex中的至少一方。
预测部10可以进一步预测费用Ex。预测部10可以预测CO2(二氧化碳)浓度为第二浓度Cf2的情况下的费用Ex。CO2(二氧化碳)浓度为第二浓度Cf2的情况下的费用Ex可以包括供给部507和排出部509中的至少一方的工作状态比当前的工作状态增加了的情况和减少了的情况。在供给部507和排出部509中的至少一方的工作状态比当前的工作状态减少了的情况下,由预测部10预测出的、伴随供给部507和排出部509的工作而产生的费用Ex能够变得比伴随供给部507和排出部509的当前的工作状态而产生的费用Ex小。
预测部10可以基于由费用获取部70获取到的供给部信息Isp和排出部信息Iex来预测费用Ex。预测部10可以预测在时间Tf(参照图3~图6)的期间供给部507和排出部509被设为工作的状态的情况下的、时刻tf(图3~图6)的费用Ex。预测部10可以预测第一浓度Cf1、第二浓度Cf2、以及CO2(二氧化碳)浓度为第二浓度Cf2的情况下的费用Ex中的至少一者。
提供部20可以进一步提供费用Ex。提供部20可以提供供给部507和排出部509中的至少一方进行着工作的状态下的费用Ex。由此,在时间Tf(参照图3~图6)的期间供给部507和排出部509为工作状态的情况下,二氧化碳浓度预测***300的用户能够在时刻t2预先识别时刻tf的费用Ex。
在房间501(参照图1)中,也可以除了设置供给部507和排出部509以外,还设置不伴有向内部空间508供给外部气体503、以及向外部空间502排出内部气体504的设备。该设备例如是空气净化器。费用Ex中也可以还包含伴随该设备的工作而产生的费用。将还包含伴随该设备的工作而产生的费用在内的费用设为费用Ex’。
预测部10可以进一步预测费用Ex’。预测部10可以预测供给部507和排出部509中的至少一方进行着工作、且上述的设备进行着工作的状态下的费用Ex’。提供部20可以进一步提供费用Ex’。提供部20可以提供供给部507和排出部509中的至少一方进行着工作、且上述的设备进行着工作的状态下的费用Ex’。
在图7~图10及图12所示的例子中,可以在显示部30中显示费用Ex。在图11所示的例子中,可以从声音输出部32输出费用Ex。
预测部10可以预测供给部507和排出部509不工作的状态下的费用Ex。将该费用Ex设为费用Ex1。预测部10可以预测供给部507和排出部509的一方进行着工作的状态下的费用Ex。将该费用Ex设为费用Ex2。预测部10可以预测供给部507和排出部509这两方进行着工作的状态下的费用Ex。将该费用Ex设为费用Ex3。
提供部20可以提供费用Ex1、费用Ex2以及费用Ex3。由此,二氧化碳浓度预测***300的用户能够在时刻t2预先识别时刻tf的费用Ex1、费用Ex2以及费用Ex3,并且能够将费用Ex1、费用Ex2以及费用Ex3进行比较。
预测部10可以按供给部507和排出部509中的至少一方的工作状态,来预测内部空间508的CO2(二氧化碳)浓度和费用Ex。在供给部507为空调设备的情况下,供给部507的工作状态可以是指该空调设备的动作模式。该动作模式是指省电模式、标准模式、高级模式等。在供给部507为空调设备的情况下,预测部10例如按该空调设备的动作模式来预测内部空间508的CO2(二氧化碳)浓度和费用Ex。
提供部20可以按工作状态来提供由预测部10预测出的内部空间508的CO2(二氧化碳)浓度和费用Ex。由此,在供给部507为空调设备的情况下,二氧化碳浓度预测***300的用户能够识别该空调设备被分别设定为省电模式、标准模式以及高级模式的情况下的CO2(二氧化碳)浓度和费用Ex。
在图7~图10以及图12所示的例子中,可以在显示部30中按供给部507和排出部509中的至少一方的工作状态显示CO2(二氧化碳)浓度和费用Ex。在图11所示的例子中,可以从声音输出部32按供给部507和排出部509中的至少一方的工作状态来输出CO2(二氧化碳)浓度和费用Ex。
图17是示出由CO2(二氧化碳)传感器400(参照图1)测定出的内部空间508(参照图1)的CO2(二氧化碳)浓度与时间t的关系的另一例的图。在本例中设为,在时间T1的期间供给部507和排出部509是未工作的状态。在本例中设为,使供给部507和排出部509在时刻ts开始工作的时刻ts是时刻t2与时刻tf之间的一个时刻。在时刻ts以后的时间中,内部空间508的CO2(二氧化碳)浓度易于下降。
预测部10(参照图16)可以基于当前的CO2(二氧化碳)浓度(浓度Cp)和第一浓度Cf1,进一步预测供给部507(参照图1)和排出部509(参照图1)中的至少一方的工作开始时间点。在本例中,该工作开始时间点是时刻ts。在本例中,第一浓度Cf1比阈值浓度Cth高。
预测部10(参照图16)可以进一步预测供给部507(参照图1)和排出部509(参照图1)在时刻ts开始了工作的情况下的CO2(二氧化碳)浓度。将该CO2(二氧化碳)浓度设为第三浓度Cf3。第三浓度Cf3可以是时刻tf的CO2(二氧化碳)浓度。第三浓度Cf3容易变得比第一浓度Cf1低。
提供部20(参照图16)可以进一步提供时刻ts和第三浓度Cf3中的至少一方。由此,二氧化碳浓度预测***300的用户能够在时刻t2预先识别时刻ts和第三浓度Cf3。
在图7~图10以及图12所示的例子中,可以在显示部30中显示时刻ts和第三浓度Cf3中的至少一方。在图11所示的例子中,可以从声音输出部32输出时刻ts和第三浓度Cf3中的至少一方。
图18是示出本发明的一个实施方式所涉及的预测对象500的另一例的图。在房间501中可以设置多个供给部507和多个排出部509中的至少一方。在本例中,在房间501中设置有多个供给部507和多个排出部509这两方。在本例中,在房间501中设置有两个供给部507(供给部507-1和供给部507-2),并设置有两个排出部509(排出部509-1和排出部509-2)。
多个供给部507可以是种类互不相同的供给部507。供给部507的种类可以是指每单位时间供给的外部气体503的体积或质量,也可以是指供给部507的消耗电力。多个排出部509也是同样的。
图19是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。气流信息Iaf包含多个供给部507(参照图18)的信息和多个排出部509(参照图18)的信息中的至少一方。在本例中,气流信息Iaf包含两个供给部507的信息和两个排出部509的信息中的至少一方。
供给部507的信息可以是与供给部507的种类有关的信息。与供给部507的种类有关的信息例如是指供给部507的性能、规格等。排出部509的信息也是同样的。
在气流信息Iaf包含多个供给部507的信息的情况下,预测部10可以按多个供给部507的每个供给部507来预测第二浓度Cf2。预测部10也可以按多个供给部507的每个供给部507来预测多个供给部507的各供给部507进行着工作的状态下的第二浓度Cf2。预测部10可以预测供给部507-1工作而供给部507-2不工作的状态下的第二浓度Cf2,也可以预测供给部507-2工作而供给部507-1不工作的状态下的第二浓度Cf2。预测部10也可以预测供给部507-1和供给部507-2进行着工作的状态下的第二浓度Cf2。
提供部20可以提供由预测部10预测出的多个供给部507的每个供给部507的第二浓度Cf。由此,二氧化碳浓度预测***300的用户能够在时刻t2针对各个供给部507来预先识别使多个供给部507中的一个供给部507进行着工作的状态下的第二浓度Cf2。由此,二氧化碳浓度预测***300的用户例如能够选择使得第二浓度Cf2小于阈值浓度Cth的供给部507。
在图7~图10以及图12所示的例子中,可以在显示部30中显示每个供给部507的第二浓度Cf2。在图11所示的例子中,可以从声音输出部32输出每个供给部507的第二浓度Cf2。
在气流信息Iaf包含多个排出部509的信息的情况下,预测部10可以按多个排出部509的每个排出部509来预测第二浓度Cf2。预测部10也可以按多个排出部509的每个排出部509来预测多个排出部509的各排出部509进行着工作的状态下的第二浓度Cf2。预测部10可以预测排出部509-1工作而排出部509-2不工作的状态下的第二浓度Cf2,也可以预测排出部509-2工作而排出部509-1不工作的状态下的第二浓度Cf2。预测部10也可以预测排出部509-1和排出部509-2进行着工作的状态下的第二浓度Cf2。
提供部20可以提供由预测部10预测出的多个排出部509的每个排出部509的第二浓度Cf2。提供部20也可以提供多个排出部509的每个排出部509的第二浓度Cf2中的、第二浓度Cf2成为最低的排出部509的信息。排出部509的该信息例如是推荐第二浓度Cf2成为最低的排出部509的信息。
预测部10可以基于预测对象500(参照图1)中的CO2(二氧化碳)浓度,来预测外部气体503的供给量Q(参照图1)和内部气体504的排出量Q’(参照图1)中的至少一方。在本例中,预测部10基于内部空间508中的CO2(二氧化碳)浓度来预测供给量Q和排出量Q’中的至少一方。提供部20可以提供由预测部10预测出的供给量Q和排出量Q’中的至少一方。
预测对象500中的CO2(二氧化碳)浓度可以是指预测对象500中的当前的CO2(二氧化碳)浓度。如上所述,当前的CO2(二氧化碳)浓度可以是指图3~图6以及图17中的时间T1的期间的CO2(二氧化碳)浓度(浓度Cp)。预测对象500中的CO2(二氧化碳)浓度可以是指预测对象500中的CO2(二氧化碳)浓度的时间变化。在本例中,基于时间T1的期间的CO2(二氧化碳)浓度来预测时刻tf的供给量Q和排出量Q’中的至少一方。预测部10可以通过上述的式2来预测供给量Q和排出量Q’中的至少一方。
供给部507的性能有时随着工作时间的经过而偏离供给部507的规格。例如,供给部507随着工作时间的经过,由于设置于供给部507的过滤器的污染等原因而供给性能可能下降。在供给部507的供给性能下降了的情况下,有时供给量Q下降。排出量Q’也是同样的。
将供给部507的预先决定的供给量Q设为供给量Qp。供给量Qp可以是由供给部507的规格决定的供给量。将与供给量Qp相比下降了的供给量Q设为供给量Qd。同样地,将排出部509的预先决定的排出量Q’设为排出量Qp’。与排出量Qp’相比下降了的排出量Q’设为排出量Qd’。
预测部10可以基于预测对象500(参照图1)中的CO2(二氧化碳)浓度,来预测供给量Qd和排出量Qd’中的至少一方。提供部20可以提供由预测部10预测出的供给量Qd和排出量Qd’中的至少一方。
在图17所示的例子中供给量Q下降了的情况下,有时在由预测部10预测出的时刻tf的CO2(二氧化碳)浓度(第三浓度Cf3)与时刻tf的实际的CO2(二氧化碳)浓度之间产生偏离。因此,第三浓度Cf3例如有时超过阈值浓度Cth。在本例中,提供部20提供供给量Qd和排出量Qd’中的至少一方,因此能够在时刻t2(参照图17)预先识别供给量Qd和排出量Qd’中的至少一方。
在图7~图10以及图12所示的例子中,可以在显示部30中显示供给量Qd和排出量Qd’中的至少一方。在图11所示的例子中,可以从声音输出部32输出供给量Qd和排出量Qd’中的至少一方。
预测部10可以基于供给量Q和排出量Q’中的至少一方、当前的CO2(二氧化碳)浓度(浓度Cp)、以及环境信息Ie,进一步预测内部空间508的CO2(二氧化碳)浓度。预测部10可以基于供给量Q和排出量Q’中的至少一方、浓度Cp、以及环境信息Ie,通过上述的式2来预测内部空间508的CO2(二氧化碳)浓度。供给量Q可以是供给量Qd。排出量Q’可以是排出量Qd’。由此,预测部10能够在时刻ts预测供给量Q下降了的情况下的CO2(二氧化碳)浓度,并能够在时刻ts预测排出量Q’下降了的情况下的CO2(二氧化碳)浓度。
可以是,在供给量Qd变为预先决定的供给量Q以下的情况下,提供部20提供推荐清扫供给部507的过滤器的信息。可以是,在排出量Qd’变为预先决定的排出量Q’以下的情况下,提供部20提供推荐清扫排出部509的过滤器的信息。由此,二氧化碳浓度预测***300的用户能够识别清扫供给部507的过滤器和排出部509的过滤器中的至少一方的时间点。
如上所述,在内部空间508(参照图1)中配置有摄像部80。在内部空间508中配置有摄像部80可以是指在内部空间508中设置有摄像部80,也可以是指在存在于内部空间508的生物体90所拥有的便携式终端中设置有摄像部80。
预测部10可以基于内部空间508的图像来预测内部空间508的大小。图12是内部空间508的该图像的一例。该图像可以由摄像部80拍摄。预测部10可以还基于预测出的内部空间508的大小,来预测内部空间508的CO2(二氧化碳)浓度。内部空间508的该大小可以是上述的式2中的体积V。预测部10可以通过式2来预测内部空间508的CO2(二氧化碳)浓度。
二氧化碳浓度预测***300可以具备摄像部80,也可以不具备摄像部80。在本例中,二氧化碳浓度预测***300具备摄像部80。在二氧化碳浓度预测***300具备摄像部80的情况下,二氧化碳浓度预测装置100或终端200可以具备摄像部80。在本例中,二氧化碳浓度预测装置100具备摄像部80。
图20是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。在本例中,二氧化碳浓度预测***300还具备存储部40。本例在这一点上与图19所示的二氧化碳浓度预测***300不同。在本例中,二氧化碳浓度预测装置100具备存储部40。
将生物体90的数量信息设为数量信息In。数量信息In是指内部空间508中存在的生物体90的数量。预测部10可以基于数量信息In来预测内部空间508的CO2(二氧化碳)浓度。生物体90通过呼气来排出CO2(二氧化碳)。因此,内部空间508中存在的生物体90的数量越多,则内部空间508的CO2(二氧化碳)浓度越容易变高,多个生物体90的密度越高,则内部空间508的CO2(二氧化碳)浓度越容易变高。因此,由生物体90向内部空间508排出的CO2(二氧化碳)的排出量ECO2能够依赖于数量信息In。
将存在于内部空间508的生物体90的运动信息设为运动信息Im。运动信息Im是指生物体90在预测对象500中的运动信息。运动信息Im可以是代谢当量(METs)或生物体90的活动的信息。代谢当量(METs)是用生物体90处于静卧状态的情况下生物体90所消耗的O2(氧)的量对生物体90处于运动状态的情况下生物体90所消耗的O2(氧)的量进行标准化所得到的量。
预测部10可以基于运动信息Im来预测内部空间508的CO2(二氧化碳)浓度。当生物体90的运动量增加时,生物体90的呼气的周期容易变短,预先决定的时间中的生物体90的呼气的总量容易增加。因此,生物体90的运动量增加得越多,则内部空间508的CO2(二氧化碳)浓度越容易变高。因此,由生物体90向内部空间508排出的CO2(二氧化碳)的排出量ECO2能够依赖于运动信息Im。
将内部空间508中存在的生物体90的数量设为N。将存在于内部空间508的生物体90的运动量设为M。M可以是上述的代谢当量(METs)。由生物体90向内部空间508排出的CO2(二氧化碳)的排出量ECO2通过下述式3来表示。
【式3】
Eco2=N(M×Aco2) (3)
在式3中,ACO2是比例常数。
图21是示出内部空间508的CO2(二氧化碳)浓度的预测方法的一例的图。浓度推断模型120在被输入了内部空间508的当前的CO2(二氧化碳)浓度(浓度Cp)和环境信息Ie的情况下,输出针对浓度Cp和环境信息Ie预测的CO2(二氧化碳)浓度(浓度Cf)。预测部10可以获取由浓度推断模型120输出的浓度Cf。
二氧化碳浓度预测***300可以具备浓度推断模型120。也可以由二氧化碳浓度预测装置100具备浓度推断模型120。可以通过对浓度Cp及环境信息Ie与浓度Cf的关系进行机器学习来生成浓度推断模型120。浓度推断模型120可以存储于存储部40。
预测部10可以基于生物体90在内部空间508的滞留计划,来预测内部空间508的CO2(二氧化碳)浓度。预测部10可以基于生物体90在内部空间508的滞留计划来对排出量ECO2进行校正。将该校正后的排出量ECO2设为排出量ECO2’。预测部10可以基于生物体90在内部空间508的滞留计划,来对生物体90在内部空间508滞留的期间的排出量ECO2进行校正。预测部10可以通过式3来对生物体90在内部空间508滞留的期间的排出量ECO2进行校正。
生物体90在内部空间508的滞留计划可以存储于存储部40。滞留计划可以是指生物体90的行动日程。在存储部40中可以存储生物体90从内部空间508的外部进入到内部空间508的预定时刻、在内部空间508的预定滞留时间、从内部空间508出去到内部空间508的外部的预定时刻等。
预测部10可以基于排出量ECO2’来预测内部空间508的CO2(二氧化碳)浓度。将该预测出的CO2(二氧化碳)浓度设为浓度Ca1。预测部10可以通过式2来预测式2中的排出量ECO2为通过式3校正后的排出量ECO2’的情况下的CO2(二氧化碳)浓度(浓度Cf(参照图3~图6以及图17))。由此,预测部10能够预测反映了生物体90在内部空间508的滞留计划的浓度Cf。
预测部10可以基于当前的CO2(二氧化碳)浓度(浓度Cp(参照图17))、以及浓度Ca1,进一步预测供给部507(参照图1)和排出部509(参照图1)中的至少一方的工作开始时间点(图17中的时刻ts)。预测部10可以进一步预测供给部507和排出部509中的至少一方在时刻ts开始了工作的情况下的第四浓度Cf4。第四浓度Cf4可以是时刻tf(参照图17)的CO2(二氧化碳)浓度。第四浓度Cf4可以与第三浓度Cf3不同。
提供部20可以进一步提供时刻ts和第四浓度Cf4中的至少一方。由此,二氧化碳浓度预测***300的用户能够在时刻t2预先识别反映了生物体90在内部空间508的滞留计划的时刻ts和第四浓度Cf4。
预测部10可以基于由摄像部80拍摄到的内部空间508的图像,来获取数量信息In。该图像可以是静止图像,也可以是运动图像。预测部10也可以通过进入内部空间508的入场记录,来获取数量信息In。数量信息In也可以通过手动来输入到二氧化碳浓度预测***300。预测部10可以基于由摄像部80拍摄到的内部空间508的图像,来获取运动信息Im。预测部10可以基于该数量信息In和该运动信息Im,来预测内部空间508的CO2(二氧化碳)浓度。
图22是示出生物体90的运动信息Im的获取方法的一例的图。运动信息推断模型130在被输入了拍摄到生物体90的内部空间508的图像的情况下,输出针对该图像预测的运动信息Im。生物体90的代谢当量(METs)在生物体90步行的情况下例如为3METs,在生物体90骑自行车的情况下例如为4METs,在生物体90慢跑的情况下例如为6METs等,各个活动所引起的代谢当量(METs)一般是已知的。预测部10可以获取由运动信息推断模型130输出的运动信息Im。
可以通过对拍摄到生物体90的内部空间508的图像与生物体90的运动信息Im的关系进行机器学习来生成运动信息推断模型130。运动信息推断模型130例如可以在被输入了生物体90慢跑的状态的图像的情况下,输出6METs来作为运动信息Im。运动信息推断模型130可以存储于存储部40。
预测部10可以基于数量信息In和运动信息Im,来对排出量ECO2进行校正。将该校正后的排出量ECO2设为排出量ECO2”。预测部10可以基于根据由摄像部80拍摄到的图像得到的数量信息In和运动信息Im,来对排出量ECO2进行校正。预测部10可以基于该数量信息In和该运动信息Im,通过式3来对排出量ECO2进行校正。
预测部10可以基于排出量ECO2”来预测内部空间508的CO2(二氧化碳)浓度。将该预测出的CO2(二氧化碳)浓度设为浓度Ca2。预测部10可以通过式2来预测式2中的排出量ECO2为通过式3校正后的该排出量ECO2”的情况下的浓度Cf(参照图3~图6以及图17)。由此,预测部10能够预测反映了生物体90的数量N和运动量M的浓度Cf。此外,数量信息In和运动信息Im也可以存储于存储部40。
在预测部10基于由摄像部80拍摄到的图像来获取数量信息In和运动信息Im的情况下,二氧化碳浓度预测***300也可以不具备存储部40。生物体90在内部空间508的滞留计划能够改变。因此,在预测部10通过式3对排出量ECO2进行校正的情况下,即使在生物体90的该滞留计划发生了变更的情况下,预测部10也易于准确地预测内部空间508的CO2(二氧化碳)浓度。
预测部10也可以基于由声音获取部82获取到的生物体90的声音,来获取运动信息Im。预测部10可以基于内部空间508的图像和生物体90的声音中的至少一方来获取运动信息Im。生物体90的声音可以是指出声器官(主要是口、喉咙)发出的声音。生物体90的声音的信息可以包含从生物体90发出的语音、咳嗽声以及喷嚏声中的至少一者。从生物体90发出的声音越大,则生物体90的运动量M越容易变高。因此,预测部10能够基于生物体90的声音来获取运动信息Im。此外,预测部10也可以基于内部空间508的图像和生物体90的声音来获取运动信息Im。
将生物体90的声音的信息设为声音信息Iv。声音信息Iv可以是指从生物体90发出的声音的大小和频率中的至少一方,也可以是指生物体90的声纹。声音信息Iv也可以包含生物体90的声音的性别信息。基于生物体90的声音来获取运动信息Im可以是指基于声音信息Iv来获取运动信息Im。此外,声音信息Iv也可以存储于存储部40。
将生物体90以外的声音的信息设为声音信息Iv’。声音信息Iv’可以是指从生物体90以外发出的声音的大小和频率中的至少一方,也可以是指通过生物体90的运动而产生的声音。例如,在生物体90正在利用跑步机进行运动的情况下,声音信息Iv’中可以包含该跑步机的工作音、以及生物体90的脚蹬地板或跑步机的声音中的至少一方。
图23是示出生物体90的运动信息Im的获取方法的另一例的图。运动信息推断模型140在被输入了声音信息Iv和声音信息Iv’中的至少一方的情况下,输出针对声音信息Iv和声音信息Iv’中的至少一方预测的运动信息Im。预测部10可以获取由运动信息推断模型140输出的运动信息Im。可以通过对声音信息Iv和声音信息Iv’中的至少一方与生物体90的运动信息Im的关系进行机器学习来生成运动信息推断模型140。运动信息推断模型140可以存储于存储部40。
预测部10也可以根据基于内部空间508的图像获取到的数量信息In、以及基于生物体90的声音获取到的运动信息Im,来对排出量ECO2进行校正。预测部10可以基于该数量信息In和该运动信息Im,通过式3来对排出量ECO2进行校正。
预测部10可以基于当前的CO2(二氧化碳)浓度(浓度Cp(参照图17))、以及浓度Ca2,进一步预测供给部507(参照图1)和排出部509(参照图1)中的至少一方的工作开始时间点(图17中的时刻ts)。预测部10可以进一步预测供给部507和排出部509中的至少一方在时刻ts开始了工作的情况下的第四浓度Cf4。
提供部20可以进一步提供时刻ts和第四浓度Cf4中的至少一方。由此,二氧化碳浓度预测***300的用户能够识别反映了生物体90在内部空间508的滞留状况的时刻ts和第四浓度Cf4。
图24是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。在本例中,二氧化碳浓度预测***300还具备判定部42。本例在这一点上与图20所示的二氧化碳浓度预测***300不同。在本例中,二氧化碳浓度预测装置100具备判定部42。
判定部42判定浓度Cf与阈值浓度Cth之间的大小关系。如上所述,浓度Cf是时刻tf(参照图3~图6)的CO2(二氧化碳)浓度。判定部42可以判定第一浓度Cf1与阈值浓度Cth之间的大小关系,也可以判定第二浓度Cf2与阈值浓度Cth之间的大小关系。如上所述,第二浓度Cf2是由预测部10预测出的CO2(二氧化碳)浓度,是供给部507和排出部509中的至少一方从当前的工作状态发生了变化的情况下的CO2(二氧化碳)浓度。此外,阈值浓度Cth也可以存储于存储部40。
提供部20可以在由判定部42判定为浓度Cf为阈值浓度Cth以上的情况下,提供与内部空间508的CO2(二氧化碳)浓度有关的警告信息。在本例中,提供部20在由判定部42判定为第二浓度Cf2为阈值浓度Cth以上的情况下,提供该警告信息。由此,二氧化碳浓度预测***300的用户能够在时刻t2(参照图3~图6)预先识别第二浓度Cf2可能变为阈值浓度Cth以上。
图7、图8以及图10是提供与CO2(二氧化碳)浓度有关的警告信息的一例。在图9以及图12所示的例子中,也可以在显示部30中显示与CO2(二氧化碳)浓度有关的警告信息。在图11所示的例子中,可以从声音输出部32输出与CO2(二氧化碳)浓度有关的警告信息。
在内部空间508的CO2(二氧化碳)浓度为阈值浓度Cth以上的情况下,供给部507可以将外部气体503供给到内部空间508,或者,排出部509可以将内部气体504排出到内部空间508的外部。供给部507可以在时刻t2(参照图3~图6)开始向内部空间508供给外部气体503。排出部509可以在时刻t2开始将内部气体504排出到内部空间508的外部。由此,时刻tf(参照图3~图6)的CO2(二氧化碳)浓度(浓度Cf)容易变得小于阈值浓度Cth。
图25是示出劳务费用与换气量的关系的一例的概念图。将劳务费用设为劳务费用ExL。将换气量设为换气量Va。劳务费用ExL是在劳务者的雇佣者让该劳务者从事了劳务的情况下产生的费用。在本例中,劳务费用ExL是在生物体90(参照图1)的雇佣者让生物体90从事了内部空间508(参照图1)中的劳务的情况下产生的费用。在本例中,换气量Va是指外部气体503向内部空间508的供给量、以及内部气体504向内部空间508的外部的排出量中的至少一方。此外,劳务费用ExL也可以是人工费。
劳务费用ExL与换气量Va的关系通过下述式4来表示。
【式4】
在此,C1和C2是正的常数。如通过式4表示的那样,换气量Va减少得越多,则劳务费用ExL越容易增加。换气量Va增加得越多,则劳务费用ExL与常数C2渐近得越多。
内部空间508(参照图1)的CO2(二氧化碳)浓度增加得越多,则生物体90(参照图1)越容易被感染源512感染。感染源512可以是感冒病毒等。因此,内部空间508的CO2(二氧化碳)浓度增加得越多,则生物体90的劳动生产率越容易下降。因此,内部空间508的CO2(二氧化碳)浓度增加得越多,则生物体90的劳务费用ExL越容易增加。
将预先决定的劳务费用ExL的阈值设为阈值LCth。阈值LCth可以是雇佣者能够允许的劳务费用ExL的上限。阈值LCth可以由雇佣者决定。在图25中,用加粗线示出了阈值LCth以上的相关性。将与阈值LCth对应的换气量Va设为换气量R。
存储部40(参照图20或图24)可以存储内部空间508(参照图1)的CO2(二氧化碳)浓度与生物体90(参照图1)的劳务费用ExL之间的相关性。预测部10可以基于存储部40中存储的该相关性,来预测与内部空间508的CO2(二氧化碳)浓度对应的生物体90的劳务费用ExL。
在由预测部10预测出的生物体90的劳务费用ExL为阈值LCth以上的情况下,供给部507可以向内部空间508供给外部气体503,或者,排出部509可以将内部气体504排出到内部空间508的外部。供给部507向内部空间508供给外部气体503或者排出部509将内部气体504排出到内部空间508的外部可以是指,使图25所示的换气量Va比换气量R大。由此,生物体90的劳务费用ExL容易变为小于阈值LCth。
图26是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。二氧化碳浓度预测***300可以具备多个终端200。在本例中,二氧化碳浓度预测***300具备两个终端200(终端200-1和终端200-2)。在本例中,终端200具有存储部40。在本例中,终端200还具有发送部51。在本例中,二氧化碳浓度预测装置100还具有接收部53。本例在这些点上与图24所示的二氧化碳浓度预测***300不同。
多个终端200可以各自具有提供部20和存储部40。在本例中,终端200-1具有提供部20-1和存储部40-1,终端200-2具有提供部20-2和存储部40-2。在本例中,提供部20-1具有控制部18-1、显示部30-1以及声音输出部32-1。在本例中,提供部20-2具有控制部18-2、显示部30-2以及声音输出部32-2。
存储部40可以分别存储阈值浓度Cth。在本例中,将存储部40-1中存储的阈值浓度Cth设为阈值浓度Cth1,将存储部40-2中存储的阈值浓度Cth设为阈值浓度Cth2。阈值浓度Cth1与阈值浓度Cth2可以不同。在本例中,按终端200预先决定了阈值浓度Cth。
多个终端200可以各自具有发送部51。在本例中,终端200-1具有发送部51-1,终端200-2具有发送部51-2。发送部51可以发送存储部40中存储的阈值浓度Cth。在本例中,发送部51-1发送阈值浓度Cth1,发送部51-2发送阈值浓度Cth2。
接收部53接收由多个终端200的各个终端200的发送部51发送的阈值浓度Cth。在本例中,接收部53接收阈值浓度Cth1和阈值浓度Cth2。
判定部42判定由预测部10预测出的第二浓度Cf2与多个终端200中的各终端200的存储部40中存储的各个阈值浓度Cth之间的大小关系。如上所述,第二浓度Cf2是由预测部10预测出的、供给部507和排出部509中的至少一方从当前的工作状态发生了变化的情况下的CO2(二氧化碳)浓度。在本例中,判定部42将由预测部10预测出的第二浓度Cf2与阈值浓度Cth1进行比较。在本例中,判定部42将该第二浓度Cf2与阈值浓度Cth2进行比较。
可以是,在由判定部42判定为第二浓度Cf2比一个终端200中的存储部40中存储的阈值浓度Cth大的情况下,一个终端200中的提供部20提供与内部空间508的CO2(二氧化碳)浓度有关的警告信息。在一个终端200为终端200-1的情况下,在由判定部42判定为第二浓度Cf2比存储部40-1中存储的阈值浓度Cth1大的情况下,提供部20-1提供警告信息。
多个终端200的每个终端200的阈值浓度Cth可以由多个终端200的各终端200的用户决定。由此,终端200的用户能够在第二浓度Cf2比期望的阈值浓度Cth大的情况下,提供警告信息。
图27是示出本发明的一个实施方式所涉及的二氧化碳浓度预测***300的另一例的框图。在本例中,二氧化碳浓度预测装置100不具备预测部10,终端200具备预测部10。本例在这一点上与图19所示的例子不同。
发送部50可以向终端200发送由CO2(二氧化碳)传感器400测定出的CO2(二氧化碳)浓度、由环境信息获取部180获取到的环境信息Ie、以及由费用获取部70获取到的费用Ex中的至少一者。
图28是示出本发明的一个实施方式所涉及的二氧化碳浓度预测方法的一例的流程图。二氧化碳浓度预测方法包括预测阶段S100和提供阶段S102。以图20所示的二氧化碳浓度预测***300为例来说明本发明的一个实施方式所涉及的二氧化碳浓度预测方法。
预测阶段S100是以下阶段:预测部10基于预测对象500中的内部空间508(参照图1)的当前的CO2(二氧化碳)浓度、以及预测对象500中的环境信息Ie,来预测内部空间508的CO2(二氧化碳)浓度。当前的CO2(二氧化碳)浓度可以是指图3中的时间T1的期间的CO2(二氧化碳)浓度(浓度Cp)。环境信息Ie可以是与生物体90(参照图1)有关的、能够影响在预测对象500中被感染源512感染的风险程度的信息。环境信息Ie可以包含排出量ECO2(参照图1)的信息。
预测阶段S100可以包括CO2(二氧化碳)浓度测定阶段S1002、存储阶段S1004、环境信息获取阶段S1006、预测阶段S1008以及预测结束判断阶段S1010。CO2(二氧化碳)浓度测定阶段S1002是以下阶段:CO2(二氧化碳)传感器400测定内部空间508中的CO2(二氧化碳)浓度。存储阶段S1004是以下阶段:存储部40存储在CO2(二氧化碳)浓度测定阶段S1002中测定出的CO2(二氧化碳)浓度。环境信息获取阶段S1006是以下阶段:环境信息获取部180获取预测对象500中的环境信息Ie。
预测阶段S1008是以下阶段:预测部10基于在CO2(二氧化碳)浓度测定阶段S1002中测定出的CO2(二氧化碳)浓度、以及在环境信息获取阶段S1006中获取到的环境信息Ie,来预测内部空间508的CO2(二氧化碳)浓度。预测阶段S1008也可以是以下阶段:预测部10基于在存储阶段S1004中存储的CO2(二氧化碳)浓度、以及在环境信息获取阶段S1006获取到的环境信息Ie,来预测内部空间508的CO2(二氧化碳)浓度。在预测阶段S1008中预测的CO2(二氧化碳)浓度可以是基于在图3~图6所示的时刻t1以后且时刻t2以前的时间内的多个时刻测定出的多个CO2(二氧化碳)浓度预测的CO2(二氧化碳)浓度。时刻t2可以逐次更新。在预测阶段S1008中预测的CO2(二氧化碳)浓度可以随着时刻t2的更新来持续更新。
时刻t2可以持续更新到比时刻t1晚的预先决定的时刻。将该预先决定的时刻设为时刻t2e。在时刻t2达到了时刻t2e的情况下,时刻t2的更新可以结束。
预测阶段S1008也可以是以下阶段:预测部10预测第一浓度Cf1、第二浓度Cf2、以及CO2(二氧化碳)浓度为第二浓度Cf2的情况下的费用Ex中的至少一者。如上所述,第一浓度Cf1是供给部507和排出部509的当前的工作状态下的CO2(二氧化碳)浓度,第二浓度Cf2是供给部507和排出部509中的至少一方从当前的工作状态发生了变化的情况下的CO2(二氧化碳)浓度。
预测结束判断阶段S1010是以下阶段:预测部10判断是否结束了内部空间508的CO2(二氧化碳)浓度的预测。预测部10判断是否结束了CO2(二氧化碳)浓度的预测可以是预测部10判断是否达到了时刻t2e的阶段。在预测部10判断为未结束CO2(二氧化碳)浓度的预测(未达到时刻t2e)的情况下,二氧化碳浓度预测方法返回到CO2(二氧化碳)浓度测定阶段S1002。在预测部10判断为结束了CO2(二氧化碳)浓度的预测(达到了时刻t2e)的情况下,二氧化碳浓度预测方法前进到提供阶段S102。
在二氧化碳浓度预测方法未前进到提供阶段S102的情况下(处于预测阶段S100的情况下),可以在显示部30中显示CO2(二氧化碳)浓度的预测处于计算中的意思。在显示部30中例如可以显示“CO2浓度预测中”或“重新预测中”等。
提供阶段S102是以下阶段:提供部20提供在预测阶段S100中预测出的CO2(二氧化碳)浓度。提供阶段S102也可以是以下阶段:提供部20提供预测对象500中的当前的CO2(二氧化碳)浓度、以及在预测阶段S100中预测出的CO2(二氧化碳)浓度。在预测阶段S100中预测出的CO2(二氧化碳)浓度可以是图3~图6所示的时刻tf的CO2(二氧化碳)浓度(浓度Cf)。
提供阶段S102可以是以下阶段:控制部18使显示部30显示浓度Cp和浓度Cf。提供阶段S102也可以是以下阶段:控制部18使声音输出部32输出浓度Cp和浓度Cf。提供阶段S102还可以是以下阶段:提供部20提供预测对象500中的当前的CO2(二氧化碳)浓度、第一浓度Cf1、第二浓度Cf2、以及CO2(二氧化碳)浓度为第二浓度Cf2的情况下的费用Ex中的至少一者。
图29是示出本发明的一个实施方式所涉及的二氧化碳浓度预测方法的另一例的流程图。在本例中,二氧化碳浓度预测方法还包括判定阶段S104、警告阶段S106以及警告结束判定阶段S108。本例的二氧化碳浓度预测方法在这一点上与图28所示的二氧化碳浓度预测方法不同。
判定阶段S104是以下阶段:判定部42判定在预测阶段S100中预测出的CO2(二氧化碳)浓度(浓度Cf)与作为内部空间508的CO2(二氧化碳)浓度的阈值的阈值浓度Cth之间的大小关系。在判定阶段S104中判定为浓度Cf为阈值浓度Cth以上的情况下,二氧化碳浓度预测方法前进到警告阶段S106。在判定部42判定为浓度Cf小于阈值浓度Cth的情况下,二氧化碳浓度预测方法可以返回到CO2(二氧化碳)浓度测定阶段S1002。
警告阶段S106是以下阶段:提供部20提供与内部空间508的CO2(二氧化碳)浓度有关的警告。警告阶段S106可以是以下阶段:控制部18使显示部30显示浓度Cf,且使终端200振动。警告阶段S106也可以是以下阶段:控制部18使声音输出部32输出浓度Cf。
警告结束判定阶段S108是以下阶段:判定部42判断警告阶段S106中的警告是否已结束。在警告结束判定阶段S108中判断为警告未结束的情况下,二氧化碳浓度预测方法可以返回到CO2(二氧化碳)浓度测定阶段S1002。在警告结束判定阶段S108中判断为警告已结束的情况下,二氧化碳浓度预测方法结束预测。
在二氧化碳浓度预测方法返回到CO2(二氧化碳)浓度测定阶段S1002的情况下,无论在二氧化碳浓度预测方法处于预测阶段S100、提供阶段S102以及判定阶段S104中的哪一阶段的情况下,在警告阶段S106中提供的警告都可以持续提供。在警告结束判定阶段S108中判断为警告已结束的情况可以是在警告阶段S106中警告已提供了预先决定的时间的情况,也可以是二氧化碳浓度预测***300的电源被断开的情况。
本发明的各种实施方式可以参照流程图和框图来记载。在本发明的各种实施方式中,方框可以表示(1)执行操作的工艺阶段或(2)具有执行操作的作用的装置的部分。
特定的阶段可以通过专用电路、可编程电路或处理器来执行。特定的部分可以通过专用电路、可编程电路或处理器来实现。该可编程电路和该处理器可以与计算机可读指令一同被提供。该计算机可读指令可以被保存在计算机可读介质上。
专用电路可以包括数字硬件电路和模拟硬件电路中的至少一方。专用电路也可以包括集成电路(IC)和分立电路中的至少一方。可编程电路可以包括逻辑与(AND)、逻辑或(OR)、逻辑异或(XOR)、逻辑与非(NAND)、逻辑或非(NOR)或其它逻辑操作的硬件电路。可编程电路可以包括具有触发器、寄存器、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)等存储器元件等的能够重构的硬件电路。
计算机可读介质可以包括任意的能够保存由适当的设备执行的指令的有形设备。通过计算机可读介质包括该有形设备,具有保存于该设备的指令的计算机可读介质具备包括能够为了创建用于执行流程图或框图中指定的操作的单元而被执行的指令的制品。
计算机可读介质可以是例如电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。更具体地说,计算机可读介质例如可以是FLOPPY(注册商标)盘、磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或快闪存储器)、电可擦可编程只读存储器(EEPROM)、静态随机存取存储器(SRAM)、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)、蓝光(RTM)盘、记忆棒、集成电路卡等。
计算机可读指令可以包括汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设定数据、源代码以及目标代码中的任一种。该源代码和该目标代码可以用包括面向对象编程语言和以往的面向过程编程语言的、一种或多种编程语言的任意组合来描述。面向对象编程语言例如可以是Smalltalk(注册商标)、JAVA(注册商标)、C++等。面向过程编程语言例如可以是“C”编程语言。
计算机可读指令可以在本地或经由如局域网(LAN)、因特网等那样的广域网(WAN)而被提供给通用计算机、专用计算机、或者其它可编程数据处理装置的处理器或可编程电路。通用计算机、专用计算机、或者其它可编程数据处理装置的处理器或可编程电路可以执行计算机可读指令以创建用于执行图28或图29所示的流程图、或图2、图13、图15、图16、图19、图20、图24、图26或图27所示的框图中指定的操作的单元。处理器例如可以是计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。
图30是示出可以将本发明的一个实施方式所涉及的二氧化碳浓度预测装置100或二氧化碳浓度预测***300整体或部分地具体化的计算机2200的一例的图。安装于计算机2200的程序能够使计算机2200作为与本发明的实施方式所涉及的二氧化碳浓度预测装置100或二氧化碳浓度预测***300相关联的操作、或二氧化碳浓度预测装置100或二氧化碳浓度预测***300的1个或多个部分而发挥功能,或者,能够使计算机2200执行该操作或者该1个或多个部分,或者,能够使计算机2200执行本发明的二氧化碳浓度预测方法所涉及的各阶段(参照图28或图29)。该程序可以被CPU 2212执行以使计算机2200执行与本说明书所记载的流程图(图28或图29)以及框图(图2、图13、图15、图16、图19、图20、图24、图26或图27)中的方框中的若干个方框或者全部方框相关联的特定的操作。
本发明的一个实施方式所涉及的计算机2200包括CPU 2212、RAM 2214、图形控制器2216以及显示器设备2218。CPU 2212、RAM 2214、图形控制器2216以及显示器设备2218通过主机控制器2210来相互连接。计算机2200还包括通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226以及IC卡驱动器等输入输出单元。通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226以及IC卡驱动器等经由输入输出(I/O)控制器2220而连接于主机控制器2210。计算机还包括ROM 2230以及键盘2242等传统的输入输出单元。ROM 2230以及键盘2242等经由输入输出(I/O)芯片2240而连接于输入输出控制器2220。
CPU 2212通过按照ROM 2230和RAM 2214内所保存的程序进行动作来对各单元进行控制。图形控制器2216通过在RAM 2214内所提供的帧缓冲器等或RAM 2214中获取由CPU2212生成的图像数据,来将图像数据显示于显示器设备2218上。
通信接口2222经由网络而与其它的电子设备进行通信。硬盘驱动器2224保存由计算机2200内的CPU 2212使用的程序和数据。DVD-ROM驱动器2226从DVD-ROM 2201读取程序或数据,将读取到的程序或数据经由RAM 2214提供给硬盘驱动器2224。IC卡驱动器从IC卡读取程序和数据,或者将程序和数据写入到IC卡。
ROM 2230保存在激活时由计算机2200执行的引导程序等、或者依赖于计算机2200的硬件的程序。输入输出芯片2240可以将各种输入输出单元经由并行端口、串行端口、键盘端口、鼠标端口等而与输入输出控制器2220连接。
通过DVD-ROM 2201或IC卡那样的计算机可读介质来提供程序。从计算机可读介质中读取程序,将该程序安装于还作为计算机可读介质的例子的硬盘驱动器2224、RAM 2214或ROM 2230,通过CPU 2212来执行该程序。这些程序内描述的信息处理由计算机2200读取,来提供程序与上述各种类型的硬件资源之间的协作。装置或方法可以通过随着计算机2200的使用而实现信息的操作或处理来构成。
例如,在计算机2200与外部设备之间执行通信的情况下,CPU 2212可以执行加载到RAM 2214中的通信程序,基于通信程序中描述的处理,来对通信接口2222指示通信处理。通信接口2222在CPU 2212的控制下,读取在RAM 2214、硬盘驱动器2224、DVD-ROM 2201或IC卡那样的记录介质内提供的发送缓冲处理区域中保存的发送数据,向网络发送所读取到的发送数据,或者将从网络接收到的接收数据写入到在记录介质上提供的接收缓冲处理区域等。
CPU 2212可以将保存在硬盘驱动器2224、DVD-ROM驱动器2226(DVD-ROM 2201)、IC卡等那样的外部记录介质中的文件或数据库的全部或必要部分读取到RAM 2214中。CPU2212可以对RAM 2214上的数据执行各种类型的处理。CPU 2212接下来可以将处理后的数据回写到外部记录介质。
各种类型的程序、数据、表以及数据库那样的各种类型的信息可以被保存在记录介质中并被进行信息处理。CPU 2212可以对从RAM 2214读取出的数据执行包括本公开所记载的由程序的指令序列指定的各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的检索或置换等的各种类型的处理。CPU 2212可以将结果回写到RAM 2214。
CPU 2212可以检索记录介质内的文件、数据库等中的信息。例如,在记录介质内保存有分别具有与第二属性的属性值相关联的第一属性的属性值的多个条目的情况下,CPU2212可以从该多个条目中检索与指定第一属性的属性值的条件一致的条目,读取保存在该条目内的第二属性的属性值,通过读取第二属性值,来获取与满足预先决定的条件的第一属性相关联的第二属性的属性值。
上述的程序或软件模块可以被保存在计算机2200上或计算机2200的计算机可读介质中。在与专用通信网络或因特网连接的服务器***内提供的硬盘或RAM那样的记录介质能够用作计算机可读介质。程序可以通过该记录介质而被提供给计算机2200。
以上使用实施方式对本发明进行了说明,但是本发明的保护范围不限定于上述实施方式所记载的范围。能够对上述实施方式施加各种变更或改进对于本领域技术人员来说是显而易见的。根据权利要求书的记载显而易见的是,这种施加了变更或改进的方式也能够包含在本发明的保护范围内。
应当注意的是,权利要求书、说明书以及附图所示的装置、***、程序以及方法中的动作、过程、步骤以及阶段等各处理的执行顺序只要没有特别明示为“在······之前”、“先于”等、并且不是在后面的处理中使用前面的处理的输出,就能够以任意的顺序来实现。关于权利要求书、说明书以及附图中的动作流程,即使为了方便而使用“首先,”、“接着,”等进行了说明,也并不意味着必须以该顺序实施。
以上使用实施方式对本发明进行了说明,但是本发明的保护范围不限定于上述实施方式所记载的范围。能够对上述实施方式施加各种变更或改进对于本领域技术人员来说是显而易见的。根据权利要求书的记载显而易见的是,这种施加了变更或改进的方式也能够包含在本发明的保护范围内。
应当注意的是,权利要求书、说明书以及附图所示的装置、***、程序以及方法中的动作、过程、步骤以及阶段等各处理的执行顺序只要没有特别明示为“在······之前”、“先于”等、并且不是在后面的处理中使用前面的处理的输出,就能够以任意的顺序来实现。关于权利要求书、说明书以及附图中的动作流程,即使为了方便而使用“首先,”、“接着,”等进行了说明,也并不意味着必须以该顺序实施。
附图标记说明
10:预测部;18:控制部;20:提供部;30:显示部;32:声音输出部;40:存储部;42:判定部;50:发送部;51:发送部;52:接收部;53:接收部;70:费用获取部;80:摄像部;82:声音获取部;90:生物体;100:二氧化碳浓度预测装置;180:环境信息获取部;200:终端;300:二氧化碳浓度预测***;400:传感器;401:温湿度传感器;500:预测对象;501:房间;502:外部空间;503:外部气体;504:内部气体;507:供给部;508:内部空间;509:排出部;512:感染源;2200:计算机;2201:DVD-ROM;2210:主机控制器;2212:CPU;2214:RAM;2216:图形控制器;2218:显示器设备;2220:输入输出控制器;2222:通信接口;2224:硬盘驱动器;2226:DVD-ROM驱动器;2230:ROM;2240:输入输出芯片;2242:键盘。
Claims (21)
1.一种二氧化碳浓度预测***,具备:
预测部,其基于预测对象中的内部空间的当前的二氧化碳浓度、以及所述预测对象中的环境信息,来预测所述内部空间的二氧化碳浓度;以及
提供部,其提供由所述预测部预测出的所述二氧化碳浓度,
其中,在所述内部空间中收容含有二氧化碳的气体,
所述环境信息还包含所述内部空间中的气流信息,
所述气流信息包含向所述内部空间供给所述内部空间的外部的外部气体的供给部的信息、以及将所述内部空间中的所述气体即内部气体排出到所述内部空间的外部的排出部的信息中的至少一方,
所述供给部的信息和所述排出部的信息包含伴随所述供给部和所述排出部的工作而产生的费用,
所述预测部预测第一浓度、第二浓度、以及所述二氧化碳浓度为所述第二浓度的情况下的所述费用中的至少一者,所述第一浓度是所述供给部和所述排出部的当前的工作状态下的所述二氧化碳浓度,所述第二浓度是所述供给部和所述排出部中的至少一方从所述当前的工作状态发生了变化的情况下的所述二氧化碳浓度,
所述提供部提供所述当前的二氧化碳浓度、所述第一浓度、所述第二浓度以及所述费用中的至少一者。
2.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述预测部基于预测出的所述第二浓度,来控制所述供给部和所述排出部中的至少一方,以使所述内部空间的二氧化碳浓度成为阈值浓度以下。
3.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述预测部进一步预测从所述当前的二氧化碳浓度起到基于所述当前的二氧化碳浓度和所述环境信息预测出的所述二氧化碳浓度为止的所述预测对象中的二氧化碳浓度的时间变化,
所述提供部进一步提供所述二氧化碳浓度的时间变化。
4.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述环境信息包含所述内部空间的温度和湿度中的至少一方,
所述预测部基于所述内部空间中的当前的温度和湿度中的至少一方,来预测所述内部空间的温度和湿度中的至少一方,
所述提供部进一步提供由所述预测部预测出的所述内部空间的温度和湿度中的至少一方。
5.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述第一浓度是所述供给部和所述排出部不工作的状态下的所述二氧化碳浓度,所述第二浓度是所述供给部和所述排出部中的至少一方进行着工作的状态下的所述二氧化碳浓度。
6.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述预测部按所述供给部和所述排出部中的至少一方的工作状态,来预测所述内部空间的二氧化碳浓度和所述费用,
所述提供部按所述工作状态来提供由所述预测部预测出的所述内部空间的二氧化碳浓度和所述费用。
7.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述预测部基于所述当前的二氧化碳浓度和所述第一浓度,进一步预测所述供给部和所述排出部中的至少一方的工作开始时间点,并进一步预测第三浓度,所述第三浓度是所述供给部和所述排出部中的至少一方在所述工作开始时间点开始了工作的情况下的所述二氧化碳浓度,
所述提供部进一步提供所述工作开始时间点和所述第三浓度中的至少一方。
8.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述气流信息包含多个所述供给部的信息和多个所述排出部的信息中的至少一方,
在所述气流信息包含多个所述供给部的信息的情况下,所述预测部按多个所述供给部的每个所述供给部来预测多个所述供给部的各所述供给部进行着工作的状态下的所述第二浓度,所述提供部提供由所述预测部预测出的多个所述供给部的每个所述供给部的所述第二浓度,
在所述气流信息包含多个所述排出部的信息的情况下,所述预测部按多个所述排出部的每个所述排出部来预测多个所述排出部的各所述排出部进行着工作的状态下的所述第二浓度,所述提供部提供由所述预测部预测出的多个所述排出部的每个所述排出部的所述第二浓度。
9.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述预测部基于所述预测对象中的二氧化碳浓度,进一步预测由所述供给部向所述内部空间供给的所述外部气体的供给量、以及由所述排出部排出到所述内部空间的外部的所述内部气体的排出量中的至少一方,
所述提供部进一步提供由所述预测部预测出的所述外部气体的供给量和所述内部气体的排出量中的至少一方。
10.根据权利要求9所述的二氧化碳浓度预测***,其中,
所述预测部基于所述外部气体的供给量及所述内部气体的排出量中的至少一方、所述当前的二氧化碳浓度、以及所述环境信息,进一步预测所述内部空间的二氧化碳浓度。
11.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述预测部基于由摄像部拍摄到的所述内部空间的图像,进一步预测所述内部空间的大小,还基于预测出的所述内部空间的大小,进一步预测所述内部空间的二氧化碳浓度。
12.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述环境信息包含数量信息,所述数量信息是所述内部空间中存在的生物体的数量的信息,
所述预测部还基于所述生物体的数量信息,进一步预测所述内部空间的二氧化碳浓度。
13.根据权利要求12所述的二氧化碳浓度预测***,其中,
所述环境信息包含存在于所述内部空间的生物体的运动信息,
所述预测部还基于所述生物体的运动信息,进一步预测所述内部空间的二氧化碳浓度。
14.根据权利要求13所述的二氧化碳浓度预测***,其中,
所述预测部基于由摄像部拍摄到的所述内部空间的图像、以及由声音获取部获取到的所述生物体的声音中的至少一方,来获取所述生物体的运动信息。
15.根据权利要求12所述的二氧化碳浓度预测***,其中,
所述预测部基于所述生物体的数量信息和所述生物体的运动信息,来对由所述生物体排出的二氧化碳的量进行校正,并基于校正后的所述二氧化碳的量,来预测所述内部空间的二氧化碳浓度。
16.根据权利要求1所述的二氧化碳浓度预测***,其中,
所述预测部基于生物体在所述内部空间的滞留计划,来对由所述生物体排出的二氧化碳的量进行校正,并基于校正后的所述二氧化碳的量,来预测所述内部空间的二氧化碳浓度。
17.根据权利要求16所述的二氧化碳浓度预测***,其中,还具备:
多个终端;以及
判定部,其判定由所述预测部预测出的所述二氧化碳浓度与作为所述内部空间的二氧化碳浓度的阈值的阈值浓度之间的大小关系,
其中,所述多个终端各自具有存储部和所述提供部,
所述存储部存储所述阈值浓度,
所述预测部预测所述第二浓度,
所述判定部判定由所述预测部预测出的所述第二浓度与各个所述存储部中存储的各个所述阈值浓度之间的大小关系,
在由所述判定部判定为所述第二浓度比所述多个终端中的一个终端中的所述存储部中存储的所述阈值浓度大的情况下,所述一个终端中的所述提供部提供与所述内部空间的二氧化碳浓度有关的警告信息。
18.根据权利要求17所述的二氧化碳浓度预测***,其中,
所述存储部存储所述内部空间的二氧化碳浓度与所述内部空间中存在的所述生物体的劳务费用之间的相关性,
所述预测部基于所述存储部中存储的所述相关性,来预测与所述内部空间的二氧化碳浓度对应的所述生物体的劳务费用,
在由所述预测部预测出的所述生物体的劳务费用为预先决定的劳务费用阈值以上的情况下,所述供给部向所述内部空间供给所述外部气体,或者,所述排出部将所述内部气体排出到所述内部空间的外部。
19.根据权利要求1~18中的任一项所述的二氧化碳浓度预测***,其中,
所述预测部基于所述当前的二氧化碳浓度、以及所述预测出的所述内部空间的二氧化碳浓度,进一步预测所述供给部和所述排出部中的至少一方的工作开始时间点,并进一步预测第四浓度,所述第四浓度是所述供给部和所述排出部中的至少一方在所述工作开始时间点开始了工作的情况下的所述二氧化碳浓度,
所述提供部进一步提供所述工作开始时间点和所述第四浓度中的至少一方。
20.一种二氧化碳浓度预测方法,包括:
预测阶段,预测部基于预测对象中的内部空间的当前的二氧化碳浓度、以及所述预测对象中的环境信息,来预测所述内部空间的二氧化碳浓度;以及
提供阶段,提供部提供在所述预测阶段中预测出的所述二氧化碳浓度,
其中,在所述内部空间中收容含有二氧化碳的气体,
所述环境信息还包含所述内部空间中的气流信息,
所述气流信息包含向所述内部空间供给所述内部空间的外部的外部气体的供给部的信息、以及将所述内部空间中的所述气体即内部气体排出到所述内部空间的外部的排出部的信息中的至少一方,
所述供给部的信息和所述排出部的信息包含伴随所述供给部和所述排出部的工作而产生的费用,
所述预测阶段是以下阶段:所述预测部预测第一浓度、第二浓度、以及所述二氧化碳浓度为所述第二浓度的情况下的所述费用中的至少一者,所述第一浓度是所述供给部和所述排出部的当前的工作状态下的所述二氧化碳浓度,所述第二浓度是所述供给部和所述排出部中的至少一方从所述当前的工作状态发生了变化的情况下的所述二氧化碳浓度,
所述提供阶段是以下阶段:所述提供部提供所述当前的二氧化碳浓度、所述第一浓度、所述第二浓度以及所述费用中的至少一者。
21.一种二氧化碳浓度预测程序,用于使计算机执行根据权利要求20所述的二氧化碳浓度预测方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021135865 | 2021-08-23 | ||
JP2021-135865 | 2021-08-23 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115730699A true CN115730699A (zh) | 2023-03-03 |
Family
ID=85292908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211014644.7A Pending CN115730699A (zh) | 2021-08-23 | 2022-08-23 | 二氧化碳浓度预测***、方法以及程序 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7367134B2 (zh) |
CN (1) | CN115730699A (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5611910B2 (ja) | 2011-08-29 | 2014-10-22 | 株式会社東芝 | 空調制御システムおよび空調制御方法 |
WO2015151363A1 (ja) | 2014-03-31 | 2015-10-08 | 三菱電機株式会社 | 空調システム、及び、空調設備の制御方法 |
JP6746202B2 (ja) | 2016-05-11 | 2020-08-26 | 日立ジョンソンコントロールズ空調株式会社 | 空気調和機 |
JP2018048749A (ja) | 2016-09-20 | 2018-03-29 | 株式会社東芝 | 推定装置、推定システム、推定方法及び推定プログラム |
ES2891363T3 (es) | 2016-09-29 | 2022-01-27 | Mitsubishi Electric Corp | Sistema de ventilación |
JP2021081171A (ja) | 2019-11-22 | 2021-05-27 | ダイキン工業株式会社 | 換気システム |
JP3232288U (ja) | 2021-03-19 | 2021-06-03 | 国立大学法人山口大学 | 二酸化炭素濃度モニタ |
JP2022151708A (ja) | 2021-03-26 | 2022-10-07 | 旭化成エレクトロニクス株式会社 | 判定装置、判定システム、判定方法および判定プログラム |
WO2022230418A1 (ja) | 2021-04-30 | 2022-11-03 | 株式会社村田製作所 | 予測装置、予測方法、および予測プログラム |
-
2022
- 2022-07-07 JP JP2022109647A patent/JP7367134B2/ja active Active
- 2022-08-23 CN CN202211014644.7A patent/CN115730699A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7367134B2 (ja) | 2023-10-23 |
JP2023031247A (ja) | 2023-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220040356A1 (en) | Space cleaning system and space cleaning method | |
CN113227661B (zh) | 空调设备和其控制方法 | |
US11408629B2 (en) | Artificial intelligence device | |
JP2020067939A (ja) | 感染リスク特定システム、情報端末、及び、感染リスク特定方法 | |
JP2023179664A (ja) | 二酸化炭素濃度予測システム、二酸化炭素濃度予測方法および二酸化炭素濃度予測プログラム | |
US20210190361A1 (en) | Air conditioner | |
CN113780466B (zh) | 模型迭代优化方法、装置、电子设备和可读存储介质 | |
CN102762248A (zh) | 一种用于提供支持治疗并同时确定由接受压力支持治疗的受试者呼出的气体分子的浓度的*** | |
CN103458784A (zh) | 自动化呼吸描记图分析和解释 | |
US20180224424A1 (en) | Method and apparatus for breath analysis | |
US20140190485A1 (en) | System and method for detecting minimal ventilation support with volume ventilation plus software and remote monitoring | |
JP2014119332A (ja) | 呼気成分測定アセンブリ、呼気成分測定装置およびマウスピース | |
CN115730699A (zh) | 二氧化碳浓度预测***、方法以及程序 | |
US20170121235A1 (en) | Controlling system and method for making compost | |
JP7129938B2 (ja) | Co2濃度調整装置 | |
CN109998487A (zh) | 用于影像扫描的呼吸监测方法、装置、设备及介质 | |
JP2017099540A (ja) | 集塵システムおよび集塵方法 | |
US11580875B2 (en) | Cleanup support system, cleanup support method, and recording medium | |
CN102245099A (zh) | 确定受试者的功能残气量 | |
JP2006340889A (ja) | 活動量検出方法とその活動量検出方法を用いた換気装置 | |
CN105910248A (zh) | 停车场自动控制*** | |
US20220310270A1 (en) | Infection risk determination system, infection risk determination method and computer-readable medium | |
JP2022151708A (ja) | 判定装置、判定システム、判定方法および判定プログラム | |
US20190290872A1 (en) | Tracheal intubation procedure monitoring | |
KR102405273B1 (ko) | 고령자에게 복지관의 환기 상태 알림을 제공하고, 복지관의 환경을 관리하기 위한 플랫폼 |
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 |