JP7286906B2 - Control device for personal air conditioning equipment, personal air conditioning system and program - Google Patents
Control device for personal air conditioning equipment, personal air conditioning system and program Download PDFInfo
- Publication number
- JP7286906B2 JP7286906B2 JP2019164473A JP2019164473A JP7286906B2 JP 7286906 B2 JP7286906 B2 JP 7286906B2 JP 2019164473 A JP2019164473 A JP 2019164473A JP 2019164473 A JP2019164473 A JP 2019164473A JP 7286906 B2 JP7286906 B2 JP 7286906B2
- Authority
- JP
- Japan
- Prior art keywords
- air conditioner
- user
- personal air
- data
- personal
- 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
Images
Landscapes
- Air Conditioning Control Device (AREA)
Description
本発明は、パーソナル空調機器の制御装置、パーソナル空調システム及びプログラムに関する。 The present invention relates to a control device for personal air conditioning equipment, a personal air conditioning system, and a program.
従来、機械学習により構築された予測モデルを用い、空調機器が設置された環境の温度及び湿度並びに空調機器の吹出温度等の条件に基づいて空調機器の吹出風量等を制御する空調機器の制御装置がある（例えば、特許文献１、２参照）。この従来の制御装置では、空調機器の吹出風量等がユーザの好みに合わない場合に、ユーザが申告すると、この申告時のデータが蓄積される。そして、この蓄積されたデータを用いて機械学習が実行され、予測モデルが更新される。
Conventionally, a control device for air conditioning equipment that uses a predictive model built by machine learning to control the air volume blown out of the air conditioning equipment based on conditions such as the temperature and humidity of the environment in which the air conditioning equipment is installed and the blowing temperature of the air conditioning equipment. (For example, see
しかしながら、従来の制御装置では、例えば、ユーザの好みの吹出風量に合うように予測モデルを更新するためには、ユーザの申告が必要であり煩わしい。 However, in the conventional control device, for example, in order to update the prediction model so as to match the user's preferred blown air volume, the user's report is required, which is troublesome.
本発明は、上記事情に鑑みてなされたものであり、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できるようにすることを目的とする。 SUMMARY OF THE INVENTION The present invention has been made in view of the above circumstances, and an object of the present invention is to enable a prediction model to be updated so as to match the user's preference for blown air volume without the user's declaration.
請求項１に記載のパーソナル空調機器の制御装置は、パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを蓄積する記録部と、前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、を備える。
The control device for personal air conditioners according to
このパーソナル空調機器の制御装置によれば、ユーザによって吹出風量の変更操作がされると、これをきっかけにして機械学習が実行され、予想モデルが更新される。したがって、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 According to this control device for personal air conditioners, when the user performs an operation to change the amount of blown air, machine learning is executed in response to this operation, and the prediction model is updated. Therefore, the prediction model can be updated so as to match the user's preferred blown air volume without any user's report.
請求項２に記載のパーソナル空調機器の制御装置は、請求項１に記載のパーソナル空調機器の制御装置において、前記ユーザの代謝量に基づいて、前記ユーザの代謝状態が予め定められた高代謝状態であるか否かを判定する代謝状態判定部を備え、前記記録部は、前記ユーザの代謝状態が前記高代謝状態である場合の前記データを蓄積し、前記制御部は、前記ユーザの代謝状態が前記高代謝状態である場合に、前記予測モデルを用いて前記パーソナル空調機器の吹出風量を制御する。
The control device for personal air conditioners according to claim 2 is the control device for personal air conditioners according to
このパーソナル空調機器の制御装置によれば、ユーザの代謝状態が高代謝状態である場合のデータを用いて機械学習が実行され、予測モデルが更新される。したがって、ユーザの代謝状態が高代謝状態である場合に予測モデルを用いて吹出風量の制御を行うときには、ユーザの代謝状態が高代謝状態である場合のデータのみが反映されるので、ユーザの好みに対する吹出風量の精度を向上させることができる。 According to this personal air conditioner control device, machine learning is performed using data when the user's metabolic state is in a hypermetabolic state, and the prediction model is updated. Therefore, when the user's metabolic state is in a hypermetabolic state and the airflow rate is controlled using the prediction model, only the data in the case where the user's metabolic state is in a hypermetabolic state is reflected. It is possible to improve the accuracy of the blown air volume for.
請求項３に記載のパーソナル空調機器の制御装置は、請求項２に記載のパーソナル空調機器の制御装置において、前記代謝状態判定部が、一定期間における前記ユーザの動きの加速度の平均値を算出することによって前記ユーザの代謝量を検出する。 According to a third aspect of the present invention, there is provided a control device for personal air conditioners according to the second aspect, wherein the metabolic state determination unit calculates an average value of acceleration of movement of the user over a certain period of time. to detect the user's metabolic rate.
このパーソナル空調機器の制御装置によれば、代謝量と相関が高く、また、制御対象である吹出風量とも相関が高い、一定期間におけるユーザの動きの加速度の平均値を算出することによって代謝量が検出される。したがって、代謝量の検出精度、ひいては、ユーザの好みに対する吹出風量の精度を向上させることができる。 According to this personal air conditioner control device, the metabolic rate is calculated by calculating the average value of the acceleration of the user's movement for a certain period of time, which is highly correlated with the metabolic rate and also highly correlated with the airflow volume to be controlled. detected. Therefore, it is possible to improve the detection accuracy of the metabolic rate and, by extension, the accuracy of the blown air volume according to the user's preference.
請求項４に記載のパーソナル空調機器の制御装置は、請求項２又は請求項３に記載のパーソナル空調機器の制御装置において、前記記録部としての第一記録部と、前記制御部としての第一制御部と、前記ユーザの代謝状態が前記高代謝状態よりも低い安定状態である場合のデータであって、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度と、前記パーソナル空調機器の吹出風量との関係を表すデータを蓄積する第二記録部と、前記ユーザの代謝状態が前記安定状態である場合に、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度の各々のデータに基づいて、前記第二記録部に蓄積されたデータを統計処理し、前記統計処理の結果に基づいて前記パーソナル空調機器の吹出風量を制御する第二制御部と、を備える。 The control device for personal air conditioners according to claim 4 is the control device for personal air conditioners according to claim 2 or claim 3, wherein the first recording unit as the recording unit and the first recording unit as the control unit a control unit, data when the metabolic state of the user is in a stable state lower than the high metabolic state, which includes the temperature and humidity of the installation environment of the personal air conditioner and the blowout temperature of the personal air conditioner; a second recording unit for accumulating data representing the relationship between the amount of air blown by the personal air conditioner and the temperature and humidity of the installation environment of the personal air conditioner and the personal air conditioner when the metabolic state of the user is in the stable state a second control unit that statistically processes the data accumulated in the second recording unit based on each data of the blowing temperature of the equipment, and controls the blowing air volume of the personal air conditioner based on the result of the statistical processing; , provided.
このパーソナル空調機器の制御装置によれば、ユーザの代謝状態が安定状態である場合には、この安定状態である場合のデータに基づいて統計処理される。したがって、ユーザの代謝状態が安定状態である場合に統計処理を用いて吹出風量の制御を行うときには、ユーザの代謝状態が安定状態である場合のデータのみが反映されるので、ユーザの好みに対する吹出風量の精度を向上させることができる。 According to this personal air conditioner control device, when the user's metabolic state is in a stable state, statistical processing is performed based on the data in this stable state. Therefore, when the user's metabolic state is in a stable state and the amount of blown air is controlled using statistical processing, only the data obtained when the user's metabolic state is in a stable state is reflected. It is possible to improve the accuracy of the air volume.
請求項５に記載のパーソナル空調システムは、パーソナル空調機器と、前記パーソナル空調機器の設置環境の温度及び湿度を検出する環境センサと、前記パーソナル空調機器を使用するユーザの代謝量を検出する代謝量センサと、前記パーソナル空調機器を制御する制御装置と、を備え、前記制御装置は、パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを蓄積する記録部と、前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、を備える。 The personal air conditioning system according to claim 5 comprises a personal air conditioner, an environment sensor for detecting the temperature and humidity of an installation environment of the personal air conditioner, and a metabolic rate for detecting the metabolic rate of the user using the personal air conditioner. A sensor and a control device for controlling the personal air conditioner, wherein the control device controls the temperature and humidity of the installation environment of the personal air conditioner, the blowout temperature and the blowout air volume of the personal air conditioner, and the personal air conditioner. a recording unit for accumulating data representing a relationship with the metabolic rate of the user who uses the personal air conditioner; a change operation determination unit for determining whether the user has performed a change operation to change the blowing air volume of the personal air conditioner; and the change operation determination unit. When it is determined that the change operation has been performed, a machine learning unit that performs machine learning using the data accumulated in the recording unit and updates the prediction model for the user, using the prediction model, a control unit that controls the amount of blown air from the personal air conditioner based on data on the temperature and humidity of the installation environment of the personal air conditioner, the blowout temperature of the personal air conditioner, and the metabolic rate of the user; Prepare.
このパーソナル空調システムによれば、ユーザによって吹出風量の変更操作がされると、これをきっかけにして機械学習が実行され、予想モデルが更新される。したがって、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 According to this personal air-conditioning system, when the user performs an operation to change the amount of blown air, machine learning is executed with this as a trigger, and the prediction model is updated. Therefore, the prediction model can be updated so as to match the user's preferred blown air volume without any user's report.
請求項６に記載のプログラムは、パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを記録部に蓄積する記録ステップと、前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定ステップと、前記変更操作判定ステップで前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習ステップと、前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御ステップと、をコンピュータに実行させるためのプログラムである。 The program according to claim 6 stores data representing the relationship between the temperature and humidity of the environment in which the personal air conditioner is installed, the blowout temperature and blowout air volume of the personal air conditioner, and the metabolic rate of the user who uses the personal air conditioner. a recording step of storing data in a recording unit; a change operation determination step of determining that the user has changed the amount of air blown out from the personal air conditioner; and a case where it is determined in the change operation determination step that the change operation has been performed a machine learning step of performing machine learning using the data accumulated in the recording unit and updating a prediction model for the user; and using the prediction model, the temperature and A program for causing a computer to execute a control step of controlling the blowing air volume of the personal air conditioner based on each data of the humidity, the air blowing temperature of the personal air conditioner, and the metabolic rate of the user.
このプログラムによれば、ユーザによって吹出風量の変更操作がされると、これをきっかけにして機械学習が実行され、予想モデルが更新される。したがって、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 According to this program, when the user performs an operation to change the blown air volume, machine learning is executed with this as a trigger, and the prediction model is updated. Therefore, the prediction model can be updated so as to match the user's preferred blown air volume without any user's report.
以上詳述したように、本発明によれば、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 As described in detail above, according to the present invention, the prediction model can be updated so as to match the user's preference for blown air volume without user's declaration.
以下、本発明の一実施形態を説明する。 An embodiment of the present invention will be described below.
図１には、本発明の一実施形態に係るパーソナル空調システム１０の全体構成が示されている。図１に示されるように、本実施形態に係るパーソナル空調システム１０は、パーソナル空調機器１４と、環境センサ１６と、ウェアラブル端末１８と、制御装置２０とを備える。
FIG. 1 shows the overall configuration of a personal
パーソナル空調機器１４は、ユーザ２２が使用する座席２４に対応して設置されており、ユーザ２２が個別に使用するものである。このパーソナル空調機器１４は、座席２４に着席するユーザ２２に対して空調空気２６を吹き出す構成とされている。また、このパーソナル空調機器１４は、ユーザ２２によって吹出温度及び吹出風量を任意に設定することが可能となっており、ユーザ２２によって吹出温度及び吹出風量が設定されると、この設定された吹出温度及び吹出風量のデータを出力する構成とされている。
The
環境センサ１６は、パーソナル空調機器１４の設置環境（例えば、建物の室内におけるパーソナル空調機器１４の近辺）に設けられる。この環境センサ１６は、温度センサ２８と、湿度センサ３０とを有する。温度センサ２８は、設置環境の温度として室内温度を検出し、湿度センサ３０は、設置環境の湿度として室内湿度を検出する。この環境センサ１６は、温度センサ２８及び湿度センサ３０で検出した室内温度及び室内湿度のデータを出力する構成とされている。
The
ウェアラブル端末１８は、例えば、腕時計型とされており、ユーザ２２に装着される。このウェアラブル端末１８は、加速度センサ３２と、ユーザ情報出力部３４とを有する。加速度センサ３２は、ユーザ２２の動きに伴ってウェアラブル端末１８に作用する加速度を検出し、この加速度のデータを出力する構成とされている。この加速度センサ３２は、「代謝量センサ」の一例である。ユーザ情報出力部３４は、ユーザ２２を識別するためのユーザ情報を記憶しており、このユーザ情報を出力する構成とされている。
The
制御装置２０は、パーソナル空調機器１４、環境センサ１６及びウェアラブル端末１８から出力されたデータに基づいてパーソナル空調機器１４の吹出風量を制御するものである。図１には、制御装置２０のハードウェア構成が示されている。
The
この制御装置２０は、ハードウェア構成として、入出力インターフェース３８と、ＣＰＵ（Central Processing Unit）４０と、ＲＯＭ（Read Only Memory）４２と、ＲＡＭ（Random Access Memory）４４と、不揮発性メモリ４６を有している。ＣＰＵ４０は、「コンピュータ」の一例である。
The
入出力インターフェース３８と、ＣＰＵ４０と、ＲＯＭ４２と、ＲＡＭ４４と、不揮発性メモリ４６とは、バス４８を介して相互に通信可能に接続されている。不揮発性メモリ４６には、パーソナル空調機器１４の吹出風量を制御するためのプログラム５０が記憶されている。このプログラム５０は、データ記録処理のためのプロセスと、制御処理のためのプロセスとを有する。
The input/
図２には、データ記録処理を実行する制御装置２０の機能ブロックが示されている。図２に示されるように、制御装置２０は、データ記録処理を実行する機能部として、データ取得部６０と、データ記録部６２と、代謝状態判定部６４と、高代謝状態データ記録部６６と、変更操作判定部６８と、機械学習部７０と、予測モデル記憶部７２と、安定状態データ記録部７４とを有する。
FIG. 2 shows functional blocks of the
データ取得部６０と、代謝状態判定部６４と、変更操作判定部６８と、機械学習部７０は、図１に示されるＣＰＵ４０がプログラム５０を実行することにより実現される。一方、データ記録部６２と、高代謝状態データ記録部６６と、予測モデル記憶部７２と、安定状態データ記録部７４は、図１に示される不揮発性メモリ４６によって形成される。高代謝状態データ記録部６６は、「記録部」及び「第一記録部」の一例であり、安定状態データ記録部７４は、「第二記録部」の一例である。
The
図３には、制御処理を実行する制御装置２０の機能ブロックが示されている。図３に示されるように、制御装置２０は、制御処理を実行する機能部として、データ取得部８０と、ユーザ判定部８２と、代謝状態判定部８４と、予測処理部９２と、統計処理部９４と、デフォルト処理部９６とを有する。
FIG. 3 shows functional blocks of the
データ取得部８０と、ユーザ判定部８２と、代謝状態判定部８４と、予測処理部９２と、統計処理部９４と、デフォルト処理部９６は、図１に示されるＣＰＵ４０がプログラム５０を実行することにより実現される。予測処理部９２は、「制御部」及び「第一制御部」の一例であり、統計処理部９４は、「第二制御部」の一例である。
The
次に、本実施形態に係るパーソナル空調機器の制御方法について説明する。 Next, a method for controlling the personal air conditioner according to this embodiment will be described.
なお、以下の説明において、パーソナル空調システム１０の構成については、上述の図１～図３を適宜参照することにする。図４には、制御装置２０で実行されるデータ記録処理の流れが示されている。データ記録処理では、以下のステップＳ１～ステップＳ８が実行される。
In the following description, the configuration of the personal
ステップＳ１では、温度センサ２８によって検出された室内温度と、湿度センサ３０によって検出された室内湿度と、加速度センサ３２によって検出された加速度と、パーソナル空調機器１４の吹出温度及び吹出風量（設定値）の各々のデータがデータ取得部６０によって取得される。また、ユーザ情報出力部３４から出力されたユーザ情報も、データ取得部６０によって取得される。
In step S1, the indoor temperature detected by the
ステップＳ２では、データ取得部６０で取得されたデータがユーザ情報と関連付けてデータ記録部６２に記録される。また、このとき、データ取得部６０で取得されたデータは、パーソナル空調機器１４の起動時間毎にデータ記録部６２に記録される。
In step S2, the data acquired by the
ステップＳ３では、代謝状態判定部６４によって、データ記録部６２に記録された一定期間におけるユーザ２２の動きの加速度の平均値が算出され、この算出された平均値によってユーザ２２の代謝量が検出される。そして、この検出された代謝量に基づいて、ユーザ２２の代謝状態が予め定められた高代謝状態であるか否かが代謝状態判定部６４によって判定される。
In step S3, the metabolic
本実施形態では、一例として、データ記録部６２に記録された過去３０分間の加速度の平均値が予め定められた規定値以上で、かつ、パーソナル空調機器１４が起動してから３０分以内である場合に、ユーザ２２の代謝状態が高代謝状態であると判定される。このステップＳ３は、「代謝状態判定ステップ」の一例である。
In the present embodiment, as an example, the average value of the acceleration for the past 30 minutes recorded in the
ここで、ステップＳ３において、ユーザ２２の代謝状態が高代謝状態であると判定された場合には、ステップＳ４に移行する。
Here, when it is determined in step S3 that the metabolic state of the
ステップＳ４では、ユーザ２２の代謝状態が高代謝状態である場合のデータであって、室内温度及び室内湿度並びにパーソナル空調機器１４の吹出温度及び吹出風量（設定値）と、ユーザ２２の代謝量との関係を表すデータがパーソナル空調機器１４の起動時間毎に高代謝状態データ記録部６６に蓄積される。このステップＳ４は、「記録ステップ」の一例である。
In step S4, the data when the metabolic state of the
ステップＳ５では、変更操作判定部６８によって、データ取得部６０で取得された吹出風量のデータと、データ記録部６２に記録された吹出風量のデータとが比較され、吹出風量がユーザによって変更操作されたか否かが判定される。このステップＳ５は、「変更操作判定ステップ」の一例である。
In step S5, the change
ここで、吹出風量がユーザによって変更操作されていないと判定された場合には、ステップＳ１に戻る。一方、吹出風量がユーザによって変更操作されたと判定された場合には、ステップＳ６に移行する。 Here, if it is determined that the user has not changed the blown air volume, the process returns to step S1. On the other hand, if it is determined that the user has changed the blown air volume, the process proceeds to step S6.
ステップＳ６では、機械学習部７０によって、高代謝状態データ記録部６６に蓄積されたデータを用いて機械学習が実行され、ユーザ２２のための予測モデルが更新される。このステップＳ６は、「機械学習ステップ」の一例である。予測モデルには、例えば、サポートベクター回帰（ＳＶＲ：Support Vector Regression）や、ニューラルネットワーク等が用いられる。
In step S6, machine learning is performed by the
ステップＳ７では、機械学習部７０によって更新された予測モデルが予測モデル記憶部７２に記憶される。
In step S<b>7 , the prediction model updated by the
一方、ステップＳ３において、ユーザ２２の代謝状態が高代謝状態よりも低い安定状態であると判定された場合には、ステップＳ８に移行する。
On the other hand, if it is determined in step S3 that the metabolic state of the
ステップＳ８では、ユーザ２２の代謝状態が安定状態である場合のデータであって、室内温度及び室内湿度並びにパーソナル空調機器１４の吹出温度と、パーソナル空調機器１４の吹出風量との関係を表すデータが安定状態データ記録部７４に蓄積される。
In step S8, data when the metabolic state of the
以上のステップＳ１～ステップＳ８は、データ取得部６０でデータが取得される毎に実行される。
Steps S1 to S8 described above are executed each time the
図５には、制御装置２０で実行される制御処理の流れが示されている。制御処理では、以下のステップＳ１１～ステップＳ１６が実行される。
FIG. 5 shows the flow of control processing executed by the
ステップＳ１１では、温度センサ２８によって検出された室内温度と、湿度センサ３０によって検出された室内湿度と、加速度センサ３２によって検出された加速度と、パーソナル空調機器１４の吹出温度及び吹出風量（設定値）の各々のデータがデータ取得部８０によって取得される。また、ユーザ情報出力部３４から出力されたユーザ情報も、データ取得部８０によって取得される。
In step S11, the indoor temperature detected by the
ステップＳ１２では、ユーザ判定部８２によって、データ取得部８０で取得されたユーザ情報が読み出され、このユーザ情報に基づいて、データ記録部６２に記録されたデータから、ユーザ２２が過去にパーソナル空調機器１４の吹出風量を変更操作したことがある人であるか否かが判定される。
In step S12, the
ここで、ステップＳ１２において、ユーザ２２が過去にパーソナル空調機器１４の吹出風量を変更操作したことがある人ではないと判定された場合には、ステップＳ１３に移行する。
Here, if it is determined in step S12 that the
ステップＳ１３では、デフォルト処理部９６によってデフォルト処理が実行される。すなわち、デフォルト処理として、パーソナル空調機器１４の吹出風量が予め定められた吹出風量（デフォルト値）に制御される。
In step S13, default processing is executed by the
一方、ステップＳ１２において、ユーザ２２が過去にパーソナル空調機器１４の吹出風量を変更操作したことがある人であると判定された場合には、ステップＳ１４に移行する。
On the other hand, if it is determined in step S12 that the
ステップＳ１４は、上述のステップＳ３と同様である。このステップＳ１４では、データ記録部６２に記録された一定期間におけるユーザ２２の動きの加速度の平均値が算出され、この算出された平均値によってユーザ２２の代謝量が検出される。そして、この検出された代謝量に基づいて、ユーザ２２の代謝状態が予め定められた高代謝状態であるか否かが代謝状態判定部８４によって判定される。
Step S14 is the same as step S3 described above. In this step S14, the average value of the motion acceleration of the
ここで、ステップＳ１４において、ユーザ２２の代謝状態が高代謝状態であると判定された場合には、ステップＳ１５に移行する。
Here, when it is determined in step S14 that the metabolic state of the
ステップＳ１５では、予測処理部９２によって、予測モデル記憶部７２に記憶された予測モデルが読み出され、この予測モデルを用い、パーソナル空調機器１４の起動時間と、室内温度及び室内湿度と、パーソナル空調機器１４の吹出温度と、ユーザ２２の代謝量の各々の直近のデータに基づいて、パーソナル空調機器１４の吹出風量（予測値）が算出される。そして、この算出された吹出風量にパーソナル空調機器１４が制御される。このステップＳ１５は、「制御ステップ」の一例である。
In step S15, the prediction model stored in the prediction
一方、ステップＳ１４において、ユーザ２２の代謝状態が高代謝状態よりも低い安定状態であると判定された場合には、ステップＳ１６に移行する。
On the other hand, if it is determined in step S14 that the metabolic state of
ステップＳ１６では、統計処理部９４によって、室内温度及び室内湿度並びにパーソナル空調機器１４の吹出温度の各々の直近のデータに基づいて、安定状態データ記録部７４に蓄積されたデータが統計処理される。そして、この統計処理の結果に基づいてパーソナル空調機器１４の吹出風量が制御される。
In step S16, the
次に、本実施形態の作用及び効果について説明する。 Next, the operation and effects of this embodiment will be described.
以上詳述した通り、本実施形態によれば、ユーザ２２によって吹出風量の変更操作がされると、これをきっかけにして機械学習部７０で機械学習が実行され、予想モデルが更新される（ステップＳ５～ステップＳ６）。したがって、ユーザ２２の申告が無くても、ユーザ２２の好みの吹出風量に合うように予測モデルを更新できる。
As described in detail above, according to the present embodiment, when the
しかも、本実施形態によれば、ユーザ２２の代謝状態が高代謝状態である場合のデータを用いて機械学習が実行され、予測モデルが更新される（ステップＳ３～ステップＳ６）。したがって、ユーザ２２の代謝状態が高代謝状態である場合に予測モデルを用いて吹出風量の制御を行うときには（ステップＳ１５）、ユーザ２２の代謝状態が高代謝状態である場合のデータのみが反映されるので、ユーザ２２の好みに対する吹出風量の精度を向上させることができる。
Moreover, according to the present embodiment, machine learning is performed using data when the metabolic state of the
また、本実施形態によれば、代謝量と相関が高く、また、制御対象である吹出風量とも相関が高い、一定期間におけるユーザ２２の加速度の平均値を算出することによって代謝量が検出される（ステップＳ３）。したがって、代謝量の検出精度、ひいては、ユーザ２２の好みに対する吹出風量の精度を向上させることができる。
Further, according to the present embodiment, the metabolic rate is detected by calculating the average value of the acceleration of the
さらに、本実施形態によれば、ユーザ２２の代謝状態が安定状態である場合には、この安定状態である場合のデータに基づいて統計処理される（ステップＳ８、ステップＳ１６）。したがって、ユーザ２２の代謝状態が安定状態である場合に統計処理を用いて吹出風量の制御を行うときには、ユーザ２２の代謝状態が安定状態である場合のデータのみが反映されるので、ユーザ２２の好みに対する吹出風量の精度を向上させることができる。
Furthermore, according to this embodiment, when the metabolic state of the
次に、第一実施形態の変形例について説明する。 Next, a modified example of the first embodiment will be described.
上記実施形態では、好ましい例として、一定期間におけるユーザ２２の動きの加速度の平均値から代謝量が算出されるが、代謝量は、一定期間におけるユーザ２２の動きの加速度の平均値以外によって算出されてもよい。
In the above-described embodiment, as a preferred example, the metabolic rate is calculated from the average value of the acceleration of the movement of the
次に、実施例について説明する。 Next, examples will be described.
図６（Ａ）には、高代謝状態データ記録部６６の記録データ（起動時間、室内温度、室内湿度、吹出温度、代謝量、吹出風量の設定値）の第一例が示されており、図６（Ｂ）には、予測処理部９２の入力データ（起動時間、室内温度、室内湿度、吹出温度、代謝量）に対する出力データ（吹出風量の予測値）の第一例が示されている。吹出風量の設定値は、ユーザ２２が設定した好みの値である。
FIG. 6A shows a first example of data recorded in the high metabolic state data recording unit 66 (setting values for startup time, room temperature, room humidity, blowing temperature, metabolic rate, and blowing air volume). FIG. 6B shows a first example of output data (predicted value of blowing air volume) with respect to input data (starting time, indoor temperature, indoor humidity, blowing temperature, metabolic rate) of the
また、図７（Ａ）には、高代謝状態データ記録部６６の記録データ（起動時間、室内温度、室内湿度、吹出温度、代謝量、吹出風量の設定値）の第二例が示されており、図７（Ｂ）には、予測処理部９２の入力データ（起動時間、室内温度、室内湿度、吹出温度、代謝量）に対する出力データ（吹出風量の予測値）の第二例が示されている。
FIG. 7A shows a second example of the data recorded in the high metabolic state data recording unit 66 (set values for start-up time, room temperature, room humidity, blowing temperature, metabolic rate, and blowing air volume). FIG. 7B shows a second example of output data (predicted value of blowing air volume) with respect to input data (starting time, indoor temperature, indoor humidity, blowing temperature, metabolic rate) of the
図８は、図６、図７のデータをまとめたグラフである。図８の縦軸は吹出風量の値を示し、図８の横軸は起動時間を示している。 FIG. 8 is a graph summarizing the data of FIGS. 6 and 7. FIG. The vertical axis in FIG. 8 indicates the value of the blown air volume, and the horizontal axis in FIG. 8 indicates the startup time.
図６～図８に示されるように、本実施形態によれば、ユーザ２２の代謝状態が高代謝状態である場合のデータを用いて予測モデルが更新され、この予測モデルを用いて吹出風量の制御を行うので、吹出風量の設定値に近い吹出風量の予測値を得ることができる。
As shown in FIGS. 6 to 8, according to the present embodiment, the prediction model is updated using the data when the metabolic state of the
図９（Ａ）、（Ｂ）には、安定状態データ記録部７４の記録データ（室内温度、室内湿度、吹出温度、吹出風量の設定値）の一例が示されており、図９（Ｃ）には、統計処理部９４の入力データ（室内温度、室内湿度、吹出温度）に対する出力データ（吹出風量の出力値）の一例が示されている。
9A and 9B show an example of data recorded in the stable state data recording unit 74 (indoor temperature, indoor humidity, blowout temperature, blowout air volume setting values), and FIG. shows an example of output data (output value of blowing air volume) with respect to input data (room temperature, room humidity, blowing temperature) of the
図９に示されるように、本実施形態によれば、ユーザ２２の代謝状態が安定状態である場合のデータを用いて統計処理が実行され、この統計処理の結果に基づいて吹出風量の制御を行うので、吹出風量の設定値に近い吹出風量の出力値を得ることができる。
As shown in FIG. 9, according to the present embodiment, statistical processing is performed using data when the metabolic state of the
以上、本発明の一実施形態について説明したが、本発明は、上記に限定されるものでなく、上記以外にも、その主旨を逸脱しない範囲内において種々変形して実施可能であることは勿論である。 Although one embodiment of the present invention has been described above, the present invention is not limited to the above, and it goes without saying that various modifications can be made in addition to the above without departing from the scope of the invention. is.
１０ パーソナル空調システム
１４ パーソナル空調機器
１６ 環境センサ
１８ ウェアラブル端末
２０ 制御装置
２２ ユーザ
２８ 温度センサ
３０ 湿度センサ
３２ 加速度センサ（代謝量センサの一例）
４０ ＣＰＵ（コンピュータの一例）
５０ プログラム
６４ 代謝状態判定部
６６ 高代謝状態データ記録部（記録部及び第一記録部の一例）
６８ 変更操作判定部
７０ 機械学習部
７２ 予測モデル記憶部
７４ 安定状態データ記録部（第二記録部の一例）
９２ 予測処理部（制御部及び第一制御部の一例）
９４ 統計処理部（第二制御部の一例）
10 personal
40 CPU (an example of a computer)
50
68 change
92 prediction processing unit (an example of a control unit and a first control unit)
94 statistical processing unit (an example of the second control unit)
Claims (6)
前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、
前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、
前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、
を備えるパーソナル空調機器の制御装置。 a recording unit that accumulates data representing the relationship between the temperature and humidity of the environment in which the personal air conditioner is installed, the blowout temperature and the blowout air volume of the personal air conditioner, and the metabolic rate of the user who uses the personal air conditioner;
a change operation determination unit that determines that the user has performed a change operation for blowing air volume of the personal air conditioner;
a machine learning unit that executes machine learning using data accumulated in the recording unit and updates a prediction model for the user when the change operation determination unit determines that the change operation has been performed;
Using the predictive model, the blowing air volume of the personal air conditioner is controlled based on each data of the temperature and humidity of the environment in which the personal air conditioner is installed, the blowout temperature of the personal air conditioner, and the metabolic rate of the user. a control unit that
A control device for a personal air conditioner.
前記記録部は、前記ユーザの代謝状態が前記高代謝状態である場合の前記データを蓄積し、
前記制御部は、前記ユーザの代謝状態が前記高代謝状態である場合に、前記予測モデルを用いて前記パーソナル空調機器の吹出風量を制御する、
請求項１に記載のパーソナル空調機器の制御装置。 a metabolic state determination unit that determines whether the user's metabolic state is a predetermined high metabolic state based on the user's metabolic rate;
The recording unit accumulates the data when the metabolic state of the user is the hypermetabolic state,
When the metabolic state of the user is the hypermetabolic state, the control unit uses the prediction model to control the amount of blown air from the personal air conditioner.
The control device for a personal air conditioner according to claim 1.
請求項２に記載のパーソナル空調機器の制御装置。 The metabolic state determination unit detects the user's metabolic rate by calculating an average value of acceleration of the user's movement for a certain period of time.
3. The control device for a personal air conditioner according to claim 2.
前記制御部としての第一制御部と、
前記ユーザの代謝状態が前記高代謝状態よりも低い安定状態である場合のデータであって、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度と、前記パーソナル空調機器の吹出風量との関係を表すデータを蓄積する第二記録部と、
前記ユーザの代謝状態が前記安定状態である場合に、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度の各々のデータに基づいて、前記第二記録部に蓄積されたデータを統計処理し、前記統計処理の結果に基づいて前記パーソナル空調機器の吹出風量を制御する第二制御部と、
を備える、
請求項２又は請求項３に記載のパーソナル空調機器の制御装置。 a first recording unit as the recording unit;
a first control unit as the control unit;
Data when the user's metabolic state is in a stable state lower than the high metabolic state, and includes the temperature and humidity of the installation environment of the personal air conditioner, the blowout temperature of the personal air conditioner, and the temperature of the personal air conditioner. a second recording unit for accumulating data representing the relationship with the blown air volume;
When the metabolic state of the user is in the stable state, data stored in the second recording unit based on the data of the temperature and humidity of the environment in which the personal air conditioner is installed and the blowout temperature of the personal air conditioner a second control unit that statistically processes data and controls the amount of blown air from the personal air conditioner based on the results of the statistical processing;
comprising
4. The control device for a personal air conditioner according to claim 2 or 3.
前記パーソナル空調機器の設置環境の温度及び湿度を検出する環境センサと、
前記パーソナル空調機器を使用するユーザの代謝量を検出する代謝量センサと、
前記パーソナル空調機器を制御する制御装置と、
を備え、
前記制御装置は、
パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを蓄積する記録部と、
前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、
前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、
前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、
を備えるパーソナル空調システム。 personal air conditioners,
an environment sensor that detects the temperature and humidity of the installation environment of the personal air conditioner;
a metabolic rate sensor that detects the metabolic rate of the user using the personal air conditioner;
a control device that controls the personal air conditioner;
with
The control device is
a recording unit that accumulates data representing the relationship between the temperature and humidity of the environment in which the personal air conditioner is installed, the blowout temperature and the blowout air volume of the personal air conditioner, and the metabolic rate of the user who uses the personal air conditioner;
a change operation determination unit that determines that the user has performed a change operation for blowing air volume of the personal air conditioner;
a machine learning unit that executes machine learning using data accumulated in the recording unit and updates a prediction model for the user when the change operation determination unit determines that the change operation has been performed;
Using the predictive model, the blowing air volume of the personal air conditioner is controlled based on each data of the temperature and humidity of the environment in which the personal air conditioner is installed, the blowout temperature of the personal air conditioner, and the metabolic rate of the user. a control unit that
Personal air conditioning system with
前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定ステップと、
前記変更操作判定ステップで前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習ステップと、
前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御ステップと、
をコンピュータに実行させるためのプログラム。 a recording step of accumulating, in a recording unit, data representing the relationship between the temperature and humidity of the environment in which the personal air conditioner is installed, the blowout temperature and blowout air volume of the personal air conditioner, and the metabolic rate of the user who uses the personal air conditioner;
a change operation determination step for determining that the user has performed a change operation on the amount of air blown from the personal air conditioner;
a machine learning step of executing machine learning using the data accumulated in the recording unit and updating a prediction model for the user when it is determined that the change operation has been performed in the change operation determination step;
Using the predictive model, the blowing air volume of the personal air conditioner is controlled based on each data of the temperature and humidity of the environment in which the personal air conditioner is installed, the blowout temperature of the personal air conditioner, and the metabolic rate of the user. a control step to
A program that causes a computer to run
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019164473A JP7286906B2 (en) | 2019-09-10 | 2019-09-10 | Control device for personal air conditioning equipment, personal air conditioning system and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019164473A JP7286906B2 (en) | 2019-09-10 | 2019-09-10 | Control device for personal air conditioning equipment, personal air conditioning system and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021042894A JP2021042894A (en) | 2021-03-18 |
| JP7286906B2 true JP7286906B2 (en) | 2023-06-06 |
Family
ID=74862173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019164473A Active JP7286906B2 (en) | 2019-09-10 | 2019-09-10 | Control device for personal air conditioning equipment, personal air conditioning system and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7286906B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7286905B2 (en) * | 2019-09-10 | 2023-06-06 | 株式会社竹中工務店 | Control device for personal air conditioning equipment, personal air conditioning system and program |
| CN113642810A (en) * | 2021-09-07 | 2021-11-12 | 科希曼电器有限公司 | Method for predicting initial parameters of air conditioner by using SVM regression algorithm |
| JPWO2023119514A1 (en) * | 2021-12-22 | 2023-06-29 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003042508A (en) | 2001-07-25 | 2003-02-13 | Fujita Corp | Method of controlling air-conditioning and air- conditioning system |
| WO2008029679A1 (en) | 2006-09-07 | 2008-03-13 | Mitsubishi Electric Corporation | Air conditioner |
| JP2013204966A (en) | 2012-03-29 | 2013-10-07 | Panasonic Corp | Equipment controller, equipment control system, and program |
| US20160320081A1 (en) | 2015-04-28 | 2016-11-03 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services |
| JP2021042893A (en) | 2019-09-10 | 2021-03-18 | 株式会社竹中工務店 | Control device of personal air conditioning equipment, personal air conditioning system, and program |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2899484B2 (en) * | 1991-08-09 | 1999-06-02 | 松下電器産業株式会社 | Pattern classification device, environment recognition device and air conditioner |
| JPH0658595A (en) * | 1992-08-05 | 1994-03-01 | Sharp Corp | Air conditioner |
| JP3216280B2 (en) * | 1992-12-11 | 2001-10-09 | 松下電器産業株式会社 | Control equipment for air conditioners and applied equipment for image processing equipment |
| JPH07120043A (en) * | 1993-10-28 | 1995-05-12 | Matsushita Refrig Co Ltd | Air conditioner |
-
2019
- 2019-09-10 JP JP2019164473A patent/JP7286906B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003042508A (en) | 2001-07-25 | 2003-02-13 | Fujita Corp | Method of controlling air-conditioning and air- conditioning system |
| WO2008029679A1 (en) | 2006-09-07 | 2008-03-13 | Mitsubishi Electric Corporation | Air conditioner |
| JP2013204966A (en) | 2012-03-29 | 2013-10-07 | Panasonic Corp | Equipment controller, equipment control system, and program |
| US20160320081A1 (en) | 2015-04-28 | 2016-11-03 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services |
| JP2021042893A (en) | 2019-09-10 | 2021-03-18 | 株式会社竹中工務店 | Control device of personal air conditioning equipment, personal air conditioning system, and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021042894A (en) | 2021-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7286906B2 (en) | Control device for personal air conditioning equipment, personal air conditioning system and program | |
| US10126010B2 (en) | Controlling system for environmental comfort degree and controlling method of the controlling system | |
| JP6940623B2 (en) | Windless control method, device and readable storage medium, air conditioner | |
| WO2019087537A1 (en) | Air-conditioning control device | |
| CN108180605B (en) | Automatic non-wind-sensing control method and device and computer readable storage medium | |
| KR101231311B1 (en) | Apparatus and method for controlling air condition | |
| US11713899B2 (en) | Management apparatus, air conditioning management system, and air conditioning management method | |
| US11248820B2 (en) | Air conditioning control device to control air conditioner based on comfortable skin temperature range | |
| JP6955450B2 (en) | Air conditioning control system and air conditioning control method | |
| JP6659603B2 (en) | Air conditioning control device, air conditioning control method, and program | |
| JP7002680B2 (en) | Control method of air conditioning equipment, control device, air conditioning equipment and storage medium | |
| JP7058352B2 (en) | Control method of air conditioning equipment, control device, air conditioning equipment and storage medium | |
| JP7286905B2 (en) | Control device for personal air conditioning equipment, personal air conditioning system and program | |
| CN111536676B (en) | Air conditioner control method and device, air conditioner and computer storage medium | |
| US20220154960A1 (en) | Air-conditioning control device, air-conditioning system, air-conditioning control method, and non-transitory computer readable recording medium | |
| CN112361555B (en) | Air conditioner control method and device, electronic equipment and storage medium | |
| US20220253062A1 (en) | Moving body control system | |
| JP7182117B2 (en) | air conditioning system | |
| CN113865038B (en) | Air conditioner control method and device, air conditioner and storage medium | |
| JP7313158B2 (en) | AIR CONDITIONER CONTROL DEVICE, AIR CONDITIONER CONTROL METHOD AND PROGRAM | |
| CN109341014B (en) | Air conditioner and control method and device thereof | |
| CN110486906A (en) | Air-conditioning system and its air conditioning control method, control device and readable storage medium storing program for executing | |
| JP4682539B2 (en) | Area-specific environment providing system and area-specific environment management system | |
| CN111365822A (en) | Temperature and humidity balance control method and device and air conditioner | |
| JP6374796B2 (en) | Air conditioning set temperature calculation device, method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220623 |
|
| TRDD | Decision of grant or rejection written | ||
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230419 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230425 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230502 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7286906 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |