JP7387010B2 - 空気調和システムおよび空気調和装置の制御方法 - Google Patents

Description

本開示は、空調対象空間を空気調和する空気調和システム、および空気調和装置の制御方法に関する。

近年、居住環境の快適性向上のニーズが高まってきている。空気調和装置について、居住する人間の温冷感を快適に保つ役目の重要性が増している。快適性を実現するためにＰＭＶ（Ｐｒｅｄｉｃｔｅｄ Ｍｅａｎ Ｖｏｔｅ）という快適指標が提案されている。空調対象空間に居るユーザのＰＭＶを監視して空気調和機を制御する空調制御システムが開示されている（例えば、特許文献１参照）。

また、室内機が設置されている居室の形状および大きさを認識し、居室内の人の状態に応じた空調を行う空気調和機が提案されている（例えば、特許文献２参照）。特許文献２に開示された空気調和機は、居室の画像情報を取り込む撮像部と、撮像部によって取り込まれる画像情報に基づいて居室の形状および大きさを検出する画像処理部とを有する。特許文献２には、画像処理部は、撮像部によって取り込まれた画像データに家具または仕切り壁が含まれていても、家具または仕切り壁と天井および壁との間で形成される稜線によって、家具および仕切り壁を判別することが記載されている。

国際公開第２００８／０８７９５９号 特開２０１５－１６１４２５号公報

特許文献１に開示された空調制御システムは、部屋に居るユーザの快適性が向上するように空気調和を行うが、部屋内の家具の移動などレイアウトが変更された場合、レイアウト変更前と同じ空気調和を行うと、ユーザの快適性が低下してしまうおそれがある。部屋に複数の人がいる場合、複数の人の快適性を向上させることはさらに困難になる。

一方、特許文献２に開示された空気調和機は、部屋のレイアウトが変更された場合、家具および仕切り板など物理的な物を検出することで居室の形状および大きさを認識するが、部屋の空気調和に対する影響を把握できない。そのため、特許文献２に開示された空気調和機は、家具および仕切り板など物理的な物を障害物として認識して空気調和制御の内容を変更してしまうと、部屋に居る人の快適性が損なわれてしまうことがある。

本開示は、上記のような課題を解決するためになされたもので、空調対象空間のレイアウトが変更されても、空調対象空間に居るユーザの快適性の向上させることができる空気調和システム、および空気調和装置の制御方法を提供するものである。

本開示に係る空気調和システムは、空調対象空間を空気調和する空気調和装置と、前記空調対象空間における熱放射状態および人の状態を検出する検出手段と、前記空調対象空間の異なるレイアウトを表す複数のレイアウトモデルと、前記レイアウトモデル毎の複数の空調制御パターンと、前記空調対象空間に適用されている前記レイアウトモデルである適用モデルと、前記適用モデルについて前記空気調和装置の運転状態と前記運転状態に対応する前記熱放射状態とが組み合わされた複数の学習データとを記憶する記憶装置と、前記空気調和装置から取得する前記運転状態および前記検出手段によって検出される前記熱放射状態の組み合わせデータと前記複数の学習データとを比較することで前記空調対象空間のレイアウトが変更されたか否かを判定し、前記空調対象空間のレイアウトが変更されていると判定した場合、前記組み合わせデータに対応する新規レイアウトモデルを前記複数のレイアウトモデルから選択し、前記新規レイアウトモデルの前記複数の空調制御パターンから、前記検出手段によって検出される前記人の状態に基づいて空調制御パターンを求める制御装置と、を有するものである。

本開示に係る空気調和装置の制御方法は、空調対象空間における熱放射状態および人の状態を検出する検出手段ならびに記憶装置のそれぞれと接続される制御装置による空気調和装置の制御方法であって、前記空調対象空間の異なるレイアウトを表す複数のレイアウトモデルと、前記レイアウトモデル毎の複数の空調制御パターンと、前記空調対象空間に適用されている前記レイアウトモデルである適用モデルと、前記適用モデルについて前記空気調和装置の運転状態と前記運転状態に対応する前記熱放射状態とが組み合わされた複数の学習データとを前記記憶装置に記憶させるステップと、前記空気調和装置から取得する前記運転状態および前記検出手段によって検出される前記熱放射状態の組み合わせデータと前記複数の学習データとを比較することで前記空調対象空間のレイアウトが変更されたか否かを判定するステップと、前記空調対象空間のレイアウトが変更されていると判定すると、前記組み合わせデータに対応する新規レイアウトモデルを前記複数のレイアウトモデルから選択するステップと、前記新規レイアウトモデルの前記複数の空調制御パターンから、前記検出手段によって検出される前記人の状態に基づいて空調制御パターンを求めるステップと、を有するものである。

本開示によれば、空調対象空間のレイアウトが変更されても、複数のレイアウトモデルから空調対象空間のレイアウトに最も適合したレイアウトモデルが選択される。そして、選択されたレイアウトモデルの複数の空調制御パターンから空調対象空間に居る人の状態に対応する空調制御パターンが空気調和装置に適用される。そのため、空調対象空間に居るユーザの快適性が向上する。

実施の形態１に係る空気調和システムの一構成例を示す図である。 図１に示した空気調和装置の一構成例を示す冷媒回路図である。 図２に示した負荷側ユニットの一構成例を示す側面模式図である。 図３に示した第１フラップの角度と空気の吹き出し方向との関係を示す模式図である。 図３に示した第２フラップの角度と空気の吹き出し方向との関係を示す模式図である。 図２に示した赤外線センサが検出する温度分布の重力方向を基準とした傾斜角度の範囲の一例を示す図である。 図２に示した赤外線センサが検出する温度分布の水平方向の範囲の一例を示す図である。 図２に示した赤外線センサによって検出された温度分布を２次元熱画像に表示した場合の一例を示すイメージ図である。 図２に示した制御装置の一構成例を示す機能ブロック図である。 図９に示した制御装置の一構成例を示すハードウェア構成図である。 図９に示した制御装置の別の構成例を示すハードウェア構成図である。 図１に示した情報処理端末の一構成例を示すブロック図である。 図１に示した情報処理装置の制御装置の一構成例を示す機能ブロック図である。 図１３に示すレイアウト判定部の一構成例を示す機能ブロック図である。 レイアウトモデルと空調データとの対応付けを説明するための模式図である。 図８に示した熱画像に対する判定手段による解析結果の一例を示すイメージ図である。 図１４に示した判定手段がレイアウトモデルの判定に用いる基準熱画像の一例を示すイメージ図である。 図１４に示した判定手段が図１６に示した熱画像から特徴点を抽出した場合の一例を示すイメージ図である。 図１４に示した判定手段によって空調対象空間の形状を検出する場合の一例を説明するための模式図である。 図１３に示した制御決定部の一構成例を示す機能ブロック図である。 活動の種類と活動量を代表するエネルギー代謝率とを記述した組み合わせの例を示すテーブルである。 図１３に示した演算装置の一構成例を示すハードウェア構成図である。 図１に示した空気調和装置が空気調和する空調対象空間の一例を示すレイアウト図である。 各ユーザの活動量および位置の一例を示す表である。 実施の形態１に係る情報処理装置の動作手順を示すフローチャートである。 実施の形態１に係る情報処理装置の動作手順を示すフローチャートである。 図２３に示した室内の熱画像の一例を示すイメージ図である。 図２７に示した熱画像に対する判定手段による解析結果の一例を示すイメージ図である。 図１４に示した判定手段が図２８に示した熱画像から特徴点を抽出した場合の一例を示すイメージ図である。 実施の形態１に係る情報処理装置の図２６に示すステップＳ１１１以降の動作手順を示す模式図である。 快適効率の算出結果の一例を示すテーブルである。 ステップＳ１１３で決定された空調制御パターンの場合のＩＰＭＶ分布の一例を示すイメージ図である。 ステップＳ１１３で決定された空調制御パターンの場合のＩＰＭＶ分布の別の例を示すイメージ図である。 変形例１の空気調和システムの一構成例を示す図である。

本開示の実施の形態について、図面を用いて詳細に説明する。本実施の形態で説明する各種の具体的な設定例は一例であり、記載された設定例に限定されない。また、本開示の実施の形態において、通信とは、無線通信および有線通信のいずれか一方または両方を意味する。本実施の形態において、通信は、無線通信と有線通信とが混在した通信方式であってもよい。通信方式は、例えば、ある区間では無線通信が行われ、別の空間では有線通信が行われるものであってもよい。また、ある装置から他の装置への通信が有線通信で行われ、他の装置からある装置への通信が無線通信で行われるものであってもよい。

実施の形態１．
本実施の形態１の空気調和システム１の構成を説明する。図１は、実施の形態１に係る空気調和システムの一構成例を示す図である。図１に示すように、空気調和システムは、空調対象空間となる室内の空気を調和する空気調和装置１０と、室内の熱放射状態および室内に居る人の状態を検出する検出手段３０と、空気調和装置１０および検出手段３０と通信接続される情報処理装置２とを有する。検出手段３０は、室内の人の状態として、室内に居るユーザの活動量および位置とを検出する。図１に示す検出手段３０は、室内に居るユーザの位置および活動量と、室内の熱放射状態とを検出する熱検出手段３１を有する。

空気調和装置１０および検出手段３０はネットワーク５０を介して情報処理装置２と通信接続される。また、ネットワーク５０には、空気調和装置１０のユーザの情報処理端末４０が接続される。ネットワーク５０は、例えば、インターネットである。

図１に示した空気調和装置１０の構成を説明する。図２は、図１に示した空気調和装置の一構成例を示す冷媒回路図である。空気調和装置１０は、熱源を生成する熱源側ユニット１０４と、熱源側ユニット１０４で生成される熱源を用いて室内の空気を調整する負荷側ユニット１０３とを有する。熱源側ユニット１０４は、圧縮機１１９、熱源側熱交換器１１６、膨張弁１１７、送風機１１４および四方弁１１８を有する。負荷側ユニット１０３は、負荷側熱交換器１１５、送風機１１３、風向調整部１０５および制御装置１３０を有する。

風向調整部１０５は、負荷側ユニット１０３から吹き出される空気の吹き出し方向を調整する第１フラップ４および第２フラップ５を有する。負荷側ユニット１０３には、環境検出部１２０が設けられている。環境検出部１２０は、室内の空気の温度を検出する室温センサ１２１と、室内の空気の湿度を検出する湿度センサ１２２と、負荷側ユニット１０３から室内に吹き出される空気の温度Ｔｂを検出する温度センサ１２３とを有する。また、負荷側ユニット１０３には、室内の空間の温度分布を検出する赤外線センサ１４０が設けられている。赤外線センサ１４０は、図１に示した検出手段３０として機能する。

圧縮機１１９、熱源側熱交換器１１６、膨張弁１１７および負荷側熱交換器１１５が冷媒配管１１０で接続され、冷媒が循環する冷媒回路１０２が構成される。圧縮機１１９、膨張弁１１７、送風機１１４、四方弁１１８および風向調整部１０５は制御装置１３０と通信接続される。環境検出部１２０および赤外線センサ１４０は制御装置１３０と通信接続される。

圧縮機１１９は、吸入する冷媒を圧縮して吐出する。圧縮機１１９は、例えば、容量を変更できるインバータ式圧縮機である。四方弁１１８は、冷媒回路１０２を流通する冷媒の流通方向を変更する。膨張弁１１７は、冷媒を減圧して膨張させる。膨張弁１１７は、例えば、電子膨張弁である。熱源側熱交換器１１６は、冷媒と外気とを熱交換させる熱交換器である。負荷側熱交換器１１５は、冷媒と室内の空気とを熱交換させる熱交換器である。熱源側熱交換器１１６および負荷側熱交換器１１５は、例えば、フィンチューブ式熱交換器である。

冷媒が圧縮と膨張とを繰り返しながら冷媒回路１０２を循環することで、ヒートポンプが形成される。負荷側ユニット１０３は、冷房、暖房、除湿、加湿、保湿および送風などの運転を行うことで、室内の空気を調整する。図２では、制御装置１３０が負荷側ユニット１０３に設けられている場合を示しているが、制御装置１３０の設置位置は負荷側ユニット１０３に限定されない。制御装置１３０は、熱源側ユニット１０４に設けられていてもよく、負荷側ユニット１０３および熱源側ユニット１０４の両方を除く位置に設けられていてもよい。また、凝縮温度および蒸発温度を検出する温度センサ（図示せず）が空気調和装置１０に設けられていてもよい。

図３は、図２に示した負荷側ユニットの一構成例を示す側面模式図である。負荷側ユニット１０３は、天井７５に埋め込まれている。送風機１１３が回転すると、負荷側ユニット１０３において、破線矢印に示す方向に空気が流通する気流が形成され、吹出口６を介して空気が室内に吹き出される。吹出口６には、第１フラップ４および第２フラップ５が設けられている。第２フラップ５は、前方羽根５ａおよび後方羽根５ｂを有する。

図４は、図３に示した第１フラップの角度と空気の吹き出し方向との関係を示す模式図である。図４に示すように、第１フラップ４は羽根４ａ～４ｄを有する。図４においては、説明のために、負荷側ユニット１０３を上から見下ろしたとき、透視される羽根４ａ～４ｄを示している。第１フラップ４の羽根４ａ～４ｄの角度をθｈと表し、負荷側ユニット１０３の正面方向（Ｘ軸矢印の反対方向）を水平基準θｈ０＝０°とする。図４では、水平方向の角度θｈ１のときの空気の吹き出し方向ａｄ１を破線の矢印で示し、水平方向の角度θｈ２のときの空気の吹き出し方向ａｄ２を実線の矢印で示している。

図５は、図３に示した第２フラップの角度と空気の吹き出し方向との関係を示す模式図である。図５においては、説明のために、図３に示した第２フラップ５のうち、前方羽根５ａを拡大して示し、後方羽根５ｂを示すことを省略している。負荷側ユニット１０３の重力方向（Ｚ軸矢印の反対方向）を垂直基準Ｖａｘとして、前方羽根５ａの角度をθｖと表す。図５は、重力方向に対する角度θｖ１のときの空気の吹き出し方向ａｄ３を実線の矢印で示し、重力方向の角度θｖ２のときの空気の吹き出し方向ａｄ４を破線の矢印で示している。

なお、本実施の形態１においては、負荷側ユニット１０３が天井埋め込みタイプの場合で説明したが、天井埋め込みタイプに限らず、天井の室内側の面に取り付けられるタイプ、または壁に取りつけられるタイプなど、他のタイプであってもよい。また、図３に示した負荷側ユニット１０３の構成は一例であり、図３に示した構成に限らない。負荷側熱交換器１１５および送風機１１３の配置は図３に示した構成に限定されない。

また、負荷側ユニット１０３から吹き出される空気の吹き出し方向を調整する構成は、図３～図５を参照して説明した風向調整部１０５に限らない。風向調整部１０５は水平方向の角度を調整する第１フラップ４および重力方向に対する傾斜角度を調整する第２フラップ５の２種類のベーンを有する構成であるが、水平方向の角度と重力方向に対する傾斜角度とを組み合わせた方向のうち、どの方向にも角度を調整できる１種類のベーンが設けられた構成でもよい。さらに、負荷側ユニット１０３から吹き出される空気の吹き出し方向を調整する手段として、風向調整部１０５のような手段に限らず、吹出口自体の方向を変更する手段であってもよい。例えば、吹出口の水平方向の角度と重力方向に対する傾斜角度のそれぞれの角度を変更する手段が考えられる。

図６は、図２に示した赤外線センサが検出する温度分布の重力方向を基準とした傾斜角度の範囲の一例を示す図である。図５と同様に、垂直基準Ｖａｘを基準とした傾斜角度をθｖとする。図７は、図２に示した赤外線センサが検出する温度分布の水平方向の範囲の一例を示す図である。図４と同様に、水平基準θｈ０を基準とした水平方向の角度をθｈとする。赤外線センサ１４０は、図６および図７に示すように、負荷側ユニット１０３が対向する壁の方向（Ｙ軸矢印の反対方向）に対して、重力方向に対する傾斜角度θｖの一定の範囲と、水平方向の角度θｈの一定の範囲とにおける室内の温度分布を測定する。

図８は、図２に示した赤外線センサによって検出された温度分布を２次元熱画像に表示した場合の一例を示すイメージ図である。説明のために、図８において、壁、床および天井のそれぞれと他の部分との境を破線で示している。一般的には、壁、床および天井の各材料の熱の伝導率が異なるため、温度分布を示す２次元熱画像において、壁、床および天井の温度が互いに異なり、各境界を検出することができる。

図８に示す熱画像Ｉｍｇ１においては、模様の密度が高いほど温度が高いことを示している。暖かい空気は、床面ＦＬよりも天井に近い側に滞留する傾向があるため、床面ＦＬよりも天井側の方が模様の密度が高くなっている。床面ＦＬは温度が低いため、模様が表示されていない。図８に示す熱画像Ｉｍｇ１を参照すると、室内に人がいる場合、人体の表面温度が床面ＦＬおよび壁の温度と異なるため、図８が示す熱画像を解析して、人体の位置を検出できることがわかる。また、図８が示す熱画像を解析して、ユーザＭＡおよびユーザＭＢの表面温度を比較することで、各ユーザの活動量を推測できる。

また、図８に示す熱画像Ｉｍｇ１は、熱放射の相対値から、窓３０２だけでなく、飾り棚３０１、ソファ３０３および３０４ならびにピアノ３０５等の家具を検出できることを示す。

図９は、図２に示した制御装置の一構成例を示す機能ブロック図である。制御装置１３０は、例えば、マイクロコンピュータである。制御装置１３０は、冷凍サイクル制御手段１３１と、通信手段１３２とを有する。制御装置１３０は、マイクロコンピュータなどの演算装置がソフトウェアを実行することにより各種機能が実現される。また、制御装置１３０は、各種機能を実現する回路デバイスなどのハードウェアで構成されてもよい。

冷凍サイクル制御手段１３１は、負荷側ユニット１０３の冷房、暖房、除湿、加湿、保湿および送風などの運転に対応して四方弁１１８を制御する。冷凍サイクル制御手段１３１は、室温および設定温度と、湿度および設定湿度とに基づいて、冷媒回路１０２の冷凍サイクルを制御する。例えば、冷凍サイクル制御手段１３１は、室温が設定温度と一定の範囲で一致し、室内の湿度が設定湿度と一定の範囲で一致するように、圧縮機１１９の運転周波数と、膨張弁１１７の開度と、送風機１１３および１１４の回転数とを制御する。送風機１１３によって生成される気流の風速Ｗは、例えば、大、中および小の３段階で選択できる。設定温度および設定湿度は、図に示さないリモートコントローラを介して制御装置１３０にユーザによって設定される。

また、冷凍サイクル制御手段１３１は、室内の熱等の環境を示す情報である環境情報と空気調和装置１０の運転状態を示す情報である運転情報とを通信手段１３２に送信する。環境情報は、室温センサ１２１によって検出される室温と、湿度センサ１２２によって検出される湿度と、赤外線センサ１４０によって検出される室内の温度分布を示す２次元熱画像のデータとを含む。運転情報は、例えば、圧縮機１１９の周波数と、凝縮温度と、蒸発温度と、膨張弁１１７の開度との情報を含む。運転情報は、温度センサ１２３によって検出される温度Ｔｂと、第１フラップ４の水平方向の角度θｈと、第２フラップ５の傾斜角度θｖと、風速Ｗとを含む気流情報を含んでいてもよい。運転情報は、空気調和装置１０が実行中の運転モードの情報を含んでいてもよい。運転モードの種類は、暖房運転、冷房運転、送風運転および除霜運転である。

さらに、冷凍サイクル制御手段１３１は、通信手段１３２から空調制御パターンの情報を受信すると、空調制御パターンにしたがって、風向調整部１０５および送風機１１３を制御する。具体的には、冷凍サイクル制御手段１３１は、空調制御パターンに対応して、吹き出し温度、風速および風向を調整する。

空調制御パターンは、例えば、温度センサ１２３の検出値である温度Ｔｂと、第１フラップ４の水平方向の角度θｈと、第２フラップ５の傾斜角度θｖと、負荷側ユニット１０３から吹き出される空気の風速Ｗとの４つの制御パラメータの組み合わせである。複数の空調制御パターンは、これら４つの制御パラメータのうち、少なくとも１つの制御パラメータが相互に異なるように組み合わされたパターンである。複数の空調制御パターンの具体例は後で説明する。

通信手段１３２は、冷凍サイクル制御手段１３１から受信する環境情報および運転情報を情報処理装置２に送信する。通信手段１３２は、空調制御パターンの情報を情報処理装置２から受信すると、受信した空調制御パターンの情報を冷凍サイクル制御手段１３１に送信する。通信手段１３２は、例えば、ＴＣＰ／ＩＰ（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｔｒｏｌ Ｐｒｏｔｏｃｏｌ／Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）にしたがって、情報処理装置２と情報を送受信する。

ここで、図９に示した制御装置１３０のハードウェアの一例を説明する。図１０は、図９に示した制御装置の一構成例を示すハードウェア構成図である。制御装置１３０の各種機能がハードウェアで実行される場合、図９に示した制御装置１３０は、図１０に示すように、処理回路８０で構成される。図９に示した、冷凍サイクル制御手段１３１および通信手段１３２の各機能は、処理回路８０により実現される。

各機能がハードウェアで実行される場合、処理回路８０は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、または、これらを組み合わせたものに該当する。冷凍サイクル制御手段１３１および通信手段１３２の各手段の機能のそれぞれを処理回路８０で実現してもよい。また、冷凍サイクル制御手段１３１および通信手段１３２の各手段の機能を１つの処理回路８０で実現してもよい。

また、図９に示した制御装置１３０の別のハードウェアの一例を説明する。図１１は、図９に示した制御装置の別の構成例を示すハードウェア構成図である。制御装置１３０の各種機能がソフトウェアで実行される場合、図９に示した制御装置１３０は、図１１に示すように、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサ８１およびメモリ８２で構成される。冷凍サイクル制御手段１３１および通信手段１３２の各機能は、プロセッサ８１およびメモリ８２により実現される。図１１は、プロセッサ８１およびメモリ８２が互いにバス８３を介して通信可能に接続されることを示している。

各機能がソフトウェアで実行される場合、冷凍サイクル制御手段１３１および通信手段１３２の機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアおよびファームウェアは、プログラムとして記述され、メモリ８２に格納される。プロセッサ８１は、メモリ８２に記憶されたプログラムを読み出して実行することにより、各手段の機能を実現する。

メモリ８２として、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ ａｎｄ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）およびＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ ａｎｄ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）等の不揮発性の半導体メモリが用いられる。また、メモリ８２として、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）の揮発性の半導体メモリが用いられてもよい。さらに、メモリ８２として、磁気ディスク、フレキシブルディスク、光ディスク、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）、ＭＤ（Ｍｉｎｉ Ｄｉｓｃ）およびＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）等の着脱可能な記録媒体が用いられてもよい。

次に、空気調和装置１０のユーザが使用する情報処理端末４０の構成を説明する。図１２は、図１に示した情報処理端末の一構成例を示すブロック図である。情報処理端末４０は、例えば、スマートフォンおよびＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）等の携帯端末である。情報処理端末４０は、端末制御部４１と、記憶部４２と、入力部４３と、表示部４４と、無線通信部４５とを有する。

記憶部４２は、例えば、フラッシュメモリ等の不揮発性メモリである。入力部４３は、例えば、タッチパネルである。表示部４４は、例えば、液晶ディスプレイ装置である。無線通信部４５は、無線基地局（図示せず）を介して、ネットワーク５０と接続される。端末制御部４１は、プログラムを記憶するメモリ４１２と、プログラムにしたがって処理を実行するＣＰＵ４１１とを有する。

次に、図１に示した情報処理装置２の構成を説明する前に、情報処理装置２が空気調和装置１０に実行させる空調制御パターンを決定する際に用いる快適性指標について説明する。はじめに、快適性指標の一種であるＰＭＶについて説明する。

人にとって、作業時における疲労および作業のしやすさの感覚は、人をとりまく温熱環境、視環境および音環境等の物理的な環境要因で構成される。温熱環境は、例えば、温度、湿度、気流および輻射である。視環境は、例えば、照度である。音環境は、例えば、音圧である。これらの環境要因の組み合わせである複合環境は、その環境で働く人の作業の適合感および人の疲労感に影響を与える。

ＰＭＶは、温熱環境における人の快適度および温冷感を数値で評価する指標として、デンマーク工科大学ファンガー教授によって提唱された値である。ＰＭＶは、１９８４年にＩＳＯ－７７３０として国際規格化された。ＰＭＶは、人体の熱負荷と人の温冷感とを結びつけたものである。具体的には、ＰＭＶは、空気環境側の要素と人体側の要素とによよって、人体に関する熱平衡式が立てられ、その熱平衡式に人間が快適と感じるときの皮膚温度と発汗による放熱量との式を代入することで算出される。空気環境側の要素は、空気温度だけではなく、放射温度、輻射温度、湿度および気流等の要素である。人体側の要素は、人の活動量、着衣量および平均皮膚温度等の要素である。

活動量は、人の生体情報の一例であり、ＭＥＴ（Ｍｅｔａｂｏｌｉｃ Ｅｑｕｉｖａｌｅｎｔ）という運動強度を示す単位で表される。種々の運動がＭＥＴを用いて数値化されている。例えば、人が安静に座ったままテレビを観賞しているときの運動強度は１ＭＥＴと定義されている。

本実施の形態１においては、快適性指標が個人の快適性指標であるＩＰＭＶ（Ｉｎｄｉｖｉｄｕａｌ ＰＭＶ）の場合で説明する。ＩＰＭＶ値は、ＰＭＶに基づく値であるが、空調対象空間の全体の温冷感の平均値ではなく、人が居る位置を特定し、特定した位置の温冷感である局所温冷感を示す値である。局所温冷感は、局所快適度と称されることもある。

式（１）における８つの変数について説明する。Ｍは代謝量［Ｗ／ｍ²］であり、Ｗは機械的仕事量［Ｗ／ｍ²］である。Ｅｄは不感蒸泄量［Ｗ／ｍ²］であり、Ｅｓは皮膚表面よりの汗蒸発熱損失量［Ｗ／ｍ²］である。Ｅｒｅは呼吸による潜熱損失量［Ｗ／ｍ²］であり、Ｃｒｅは呼吸による顕熱損失量［Ｗ／ｍ²］である。Ｒは放射熱損失量［Ｗ／ｍ²］であり、Ｃは対流熱損失量［Ｗ／ｍ²］である。

式（１）に示すように、ＩＰＭＶは、温度、湿度および放射温度等によって、人の温冷感が数値で表されたものである。ＩＰＭＶの範囲は、－３～＋３である。ＩＰＭＶ＝０のときを中立としている。ＩＰＭＶ＝０のとき、快適と定義されている。ＩＰＭＶ＝３のとき暑いと定義され、ＩＰＭＶ値＝２のとき暖かいと定義され、ＩＰＭＶ＝１のとき少し暖かいと定義されている。ＩＰＭＶ＝－３のとき寒いと定義され、ＩＰＭＶ＝－２のとき涼しいと定義され、ＩＰＭＶ＝－１のとき少し涼しいと定義されている。つまり、ＩＰＭＶが０に近いほど、人の快適性が向上すると定義されている。

次に、図１に示した情報処理装置２の構成を説明する。図１３は、図１に示した情報処理装置の制御装置の一構成例を示す機能ブロック図である。情報処理装置２は、例えば、サーバ装置である。情報処理装置２は、ＩＰＭＶデータベース２１２を記憶する記憶装置２１と、部屋のレイアウトと、室内に居る複数のユーザの活動量、位置および快適性指標とに基づいて最適な空調制御パターンを求めて空気調和装置１０に提供する制御装置２２とを有する。

記憶装置２１は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）である。制御装置２２は、例えば、マイクロコンピュータである。制御装置２２は、マイクロコンピュータなどの演算回路がソフトウェアを実行することにより各種機能が実現される。このソフトウェアには、後で説明するフローチャート（図２５および図２６）に示す手順が書き込まれている。

記憶装置２１は、室内の複数のレイアウトモデルに関するデータが格納されるレイアウトモデルデータベース２１１と、ＩＰＭＶに関するデータが格納されるＩＰＭＶデータベース２１２とを記憶する。レイアウトモデルは、空気調和装置１０が行う空気調和に影響を及ぼす部屋の形状および家具の配置等のレイアウトを示す仮想的なモデルである。本実施の形態１においては、空気調和装置１０の空調対象空間である部屋の複数種の形状と、部屋内における１つ以上の家具の複数種の配置との組み合わせから、複数のレイアウトモデルが想定されている。レイアウトモデルデータベース２１１は、レイアウトモデル毎に、レイアウトモデルの特徴点を示す空調データと、レイアウトモデルと空調データとを対応づける関係情報とを記憶する。空調データは、学習データまたは教師データである。学習データおよび教師データのそれぞれは、空気調和装置１０の運転状態の情報と部屋の熱放射状態を示す熱画像のデータとの組み合わせデータを有する。

ＩＰＭＶデータベース２１２は、レイアウトモデル毎にＩＰＭＶ（快適性指標）モデルを記憶する。ＩＰＭＶモデルは、空気調和装置１０の複数の空調制御パターンのそれぞれに対応する、室内におけるユーザの快適度を示す快適性指標の分布である快適性指標分布を含むグループが、複数の活動量毎に分類されて格納されたものである。また、記憶装置２１は、ＩＰＭＶデータベース２１２を生成するための標準的な流体３次元モデル（図示せず）を記憶している。

制御装置２２は、データ取得手段１１と、レイアウト判定部１２と、制御決定部１３とを有する。データ取得手段１１は、一定の周期で空気調和装置１０から受信する環境情報および運転情報を記憶装置２１に記憶させる。データ取得手段１１は、一定の周期で空気調和装置１０から受信する情報を記憶装置２１に時系列で記憶させ、空気調和装置１０の動作状態を監視する。

図１４は、図１３に示すレイアウト判定部の一構成例を示す機能ブロック図である。レイアウト判定部１２は、判定手段２５１と、レイアウト選択手段２５２と、学習手段２５３とを有する。

判定手段２５１は、記憶装置２１が記憶した運転情報から運転状態の情報を取得する。また、判定手段２５１は、記憶装置２１が記憶した環境情報から２次元熱画像のデータを読み出し、熱画像から人の部分を取り除いた熱放射状態を示す室内熱画像を生成する。そして、判定手段２５１は、運転状態と室内熱画像による熱放射状態との組み合わせデータと、適用モデルの複数の学習データとを比較し、組み合わせデータに一致する学習データがあるか否かを判定する。適用モデルとは、複数のレイアウトモデルのうち、現在の部屋のレイアウトに最も適合するレイアウトモデルとして、適用されているレイアウトモデルである。判定手段２５１は、組み合わせデータに一致する学習データがある場合、部屋のレイアウトは変更されていないと判定し、組み合わせデータに一致する学習データがない場合、部屋のレイアウトが変更されたと判定する。

例えば、判定手段２５１は、室内熱画像から特徴点を抽出し、抽出した特徴点と、現在の運転状態に対応する学習データが示す特徴点との一致量が予め決められた閾値以上であるか否かを判定する。判定の結果、一致量が閾値以上である場合、判定手段２５１は、現在の部屋のレイアウトが適用モデルに適合していると判定する。一方、一致量が閾値より小さい場合、判定手段２５１は、現在の部屋のレイアウトが適用モデルに適合しておらず、部屋のレイアウトが変更されたと判定する。閾値は記憶装置２１に記憶されている。

本実施の形態１においては、判定手段２５１は、空調対象空間である部屋の形状の変更および家具の配置の変更のうち、少なくとも１つの変更が空気調和に影響を及ぼすほど異なる場合に、レイアウトモデルが変更されたと判定する。例えば、ダイニングテーブルに置かれた複数の椅子のうち、１つの椅子を移動しても、空気調和装置１０から吹き出される空気の流れに大きな影響を及ぼさない。そのため、このような家具の移動を、判定手段２５１は、レイアウトモデルが変更されたものと判定しない。

また、判定手段２５１は、レイアウトが変更されたか否かをユーザに問い合わせてもよい。具体的には、判定手段２５１は、組み合わせデータと適用モデルの複数の学習データとを比較し、組み合わせデータに一致する学習データがない場合、情報処理端末４０に部屋のレイアウトが変更されたか否かを問い合わせる旨の情報を含む照会メッセージを送信する。そして、判定手段２５１は、部屋のレイアウトが変更された旨の情報を含む回答メッセージを情報処理端末４０から受信する場合、部屋のレイアウトが変更されたと判定する。一方、判定手段２５１は、部屋のレイアウトが変更さていない旨の情報を含む回答メッセージを情報処理端末４０から受信する場合、部屋のレイアウトが変更されていないと判定する。

レイアウト選択手段２５２は、判定手段２５１によって部屋のレイアウトが変更されと判定された場合、組み合わせデータに対応する新規レイアウトモデルを複数のレイアウトモデルから選択し、新規レイアウトモデルを次の適用モデルに更新する。具体的には、レイアウト選択手段２５２は、判定手段２５１によって熱画像から抽出された特徴点と空調データが示す特徴点との一致量が最大になるレイアウトモデルを新規レイアウトモデルとして選択する。また、レイアウト選択手段２５２は、判定手段２５１によって部屋のレイアウトが変更されていないと判定された場合、選択するレイアウトモデルを現在の適用モデルに維持する。

学習手段２５３は、レイアウト選択手段２５２によって選択された適用モデルの熱放射状態を示す熱画像のデータと空気調和装置１０の運転状態の情報を組み合わせて、学習データとして記憶装置２１に記憶させる。記憶装置２１が学習データとして記憶する熱画像のデータは、判定手段２５１によって加工された画像のデータであってもよい。この場合の具体例を後で説明する。

図１５は、レイアウトモデルと空調データとの対応付けを説明するための模式図である。図１５に示すように、関係情報は、レイアウトモデル毎に異なる識別子が割り当てられている。ＬＭＤ１～ＬＭＤ３はレイアウトモデル識別子である。関係情報には、レイアウトモデル識別子に対応して、適用モデルであるか否かの情報と、空調データの識別子と、ＩＰＭＶモデルの識別子とが登録されている。ＡＣＤ１～ＡＣＤ３は空調データの識別子である。空調データの識別子に対応づけられて、複数の学習データ、または教師データが図１４に示したレイアウトモデルデータベース２１１に格納されている。適用モデルに採用されていないレイアウトモデルには、教師データが対応づけられている。

図１５は、レイアウトモデル識別子ＬＭＤ１のレイアウトモデルが適用モデルであることを示す。そして、レイアウトモデル識別子ＬＭＤ１のレイアウトモデルについて、空調データの識別子ＡＣＤ１で特定される複数の学習データが図１４に示したレイアウトモデルデータベース２１１に蓄積されている。複数の学習データは、例えば、冷房運転時の熱画像データおよび暖房運転時の熱画像データである。各学習データは、熱画像のデータと運転状態の情報とを含む。

識別子ＡＣＤ２の教師データは、例えば、レイアウトモデル識別子ＬＭＤ２のレイアウトモデルが家具の置かれていない長方形状の部屋である場合、予め決められた設定温度、風量および風向で暖房運転した場合の熱画像データである。ここでは、適用モデルに採用されていないレイアウトモデルの教師データが１つの場合を示しているが、教師データは複数であってもよい。レイアウトモデル識別子ＬＭＤ２のレイアウトモデルが適用モデルになった場合、識別子ＡＣＤ２で特定される空調データとして、学習データが蓄積される。

ここで、判定手段２５１による熱画像からの特徴点の抽出方法を、図８、図１６および図１７を参照して具体的に説明する。図１６は、図８に示した熱画像に対する判定手段による解析結果の一例を示すイメージ図である。

判定手段２５１は、図８に示した２次元熱画像のデータを解析することで、室内における熱放射の相対値から人の位置と形状とを特定する。そして、図１６に示すように、判定手段２５１は、図８に示した２次元熱画像から人の部分を取り除いた熱放射状態を示す室内熱画像Ｉｍｇ１ａを生成する。図１６は、図８に示した熱画像Ｉｍｇ１からユーザＭＡおよびＭＢが取り除かれた状態を示す。

図１７は、図１４に示した判定手段がレイアウトモデルの判定に用いる基準熱画像の一例を示すイメージ図である。記憶装置２１は図１７に示す基準熱画像Ｉｍｇ０のデータを記憶している。図１７に示す基準熱画像Ｉｍｇ０は、長方形状の部屋に１つも家具が置かれていないレイアウトモデルの熱画像である。

図１８は、図１４に示した判定手段が図１６に示した熱画像から特徴点を抽出した場合の一例を示すイメージ図である。判定手段２５１は、図１６に示した室内熱画像Ｉｍｇ１ａと図１７に示した基準熱画像Ｉｍｇ０とを比較し、図１８に示す特徴抽出画像Ｉｍｇ１ｂを生成する。判定手段２５１は、室内熱画像Ｉｍｇ１ａから室内における熱放射状態を乱す原因として、窓３０２および飾り棚３０１のエッジを検出し、検出したエッジを特徴点として抽出する。窓３０２は室温よりも外気温度に近いため、窓３０２のエッジが検出されやすく、また、窓３０２の周囲の温度が壁よりも低くなっている。飾り棚３０１は、空気調和装置１０から吹き出される空気の流れを妨げるため、飾り棚３０１の周囲の温度が壁よりも低くなっているため、飾り棚３０１のエッジも検出されやすい。また、判定手段２５１は、室内熱画像Ｉｍｇ１ａから室内に設置されたソファ３０３および３０４のエッジと、ピアノ３０５のエッジとを検出し、検出したエッジを特徴点として抽出する。

窓３０２および飾り棚３０１の方がピアノ３０５、ソファ３０３および３０４よりも、空気調和装置１０による空気調和に対する影響が大きい。そのため、判定手段２５１は、窓３０２および飾り棚３０１の特徴点の特徴量を、ピアノ３０５、ソファ３０３および３０４の特徴点の特徴量よりも大きくした情報を、特徴抽出画像Ｉｍｇ１ｂに付加する。判定手段２５１は、特徴抽出画像１ｍｇ１ｂに、熱放射状態の乱れを示す情報を残してもよい。図１８は、窓３０２および飾り棚３０１によって熱放射状態が乱される情報を残した場合を示す。

学習手段２５３は、学習データとして、図１８に示す特徴抽出画像Ｉｍｇ１ｂを記憶装置２１に記憶させるが、図１６に示した室内熱画像Ｉｍｇ１ａを記憶装置２１に記憶させてもよい。

また、判定手段２５１が部屋の形状を特定する場合について、図１９を参照して説明する。図１９は、図１４に示した判定手段によって空調対象空間の形状を検出する場合の一例を説明するための模式図である。判定手段２５１は、壁ＷＡＬ４に設置された負荷側ユニット１０３を基準として、斜め右方向および斜め左方向のそれぞれに同じ風量で温風を送風した場合の熱画像のデータを環境情報として空気調和装置１０から取得すると、熱画像を解析する。解析の結果、判定手段２５１は、壁ＷＡＬ２の温度が壁ＷＡＬ１よりも高く、かつ、負荷側ユニット１０３から壁ＷＡＬ１までの間に気流を妨げる家具が配置されていないと判定すると、部屋の形状がＬ字状と判定する。つまり、判定手段２５１は、空調対象空間の部屋が、検出した壁ＷＡＬ３を境界として、壁ＷＡＬ４から壁ＷＡＬ２までの距離Ｌ１が壁ＷＡＬ４から壁ＷＡＬ１までの距離Ｌ２よりも短い部屋であると判定する。このようにして、判定手段２５１は、空調対象空間の部屋に設置された家具だけでなく、部屋の形状を判定することができる。

続いて、図１３に示した制御決定部１３の構成を説明する。図２０は、図１３に示した制御決定部の一構成例を示す機能ブロック図である。制御決定部１３は、モデル生成手段２０１と、活動量判定手段２０２と、位置判定手段２０３と、効率算出手段２０４と、制御決定手段２０５とを有する。

モデル生成手段２０１は、記憶装置２１から環境情報および運転情報を読み出し、読み出した情報を標準的な流体３次元モデルに反映させて、ＩＰＭＶデータベース２１２を生成する。活動量判定手段２０２は、記憶装置２１に記憶される２次元熱画像を解析することで室内における各ユーザの表面温度から活動量を推測する。そして、活動量判定手段２０２は、ＩＰＭＶデータベース２１２から、レイアウト判定部１２によって選択されたＩＰＭＶモデルを参照し、各ユーザについて、赤外線センサ１４０によって検出された活動量に対応するグループを特定する。

位置判定手段２０３は、記憶装置２１に記憶された最新の２次元熱画像を解析することで室内に居る各ユーザの位置を推測する。ユーザの位置は、負荷側ユニット１０３を基準として、熱画像の水平方向の角度θｈおよび重力方向に対する傾斜角度θｖによって表される位置である。位置判定手段２０３は、各ユーザについて、活動量判定手段２０２によって特定されたグループ内の複数の快適性指標分布から、熱画像から推測される位置に対応する複数の快適性指標を抽出する。効率算出手段２０４は、各ユーザの位置に対応して抽出された複数の快適性指標を用いて、複数の空調制御パターン毎に複数のユーザの総合的な快適度を示す快適効率ζを算出する。制御決定手段２０５は、複数の空調制御パターンのうち、算出された快適効率ζが最大となる空調制御パターンを求める。制御決定手段２０５は、求めた空調制御パターンを空気調和装置１０に送信する。

制御決定部１３は、ユーザが居る位置のＩＰＭＶが中立に近づくように、風向および風量等を変更する空調制御パターンを空気調和装置１０に送信する。制御決定部１３は、室内の全領域におけるＰＭＶを中立にしようとするのではなく、ユーザが居る位置のＩＰＭＶを中立に近づくように空調制御パターンを決定し、ユーザが居ない位置のＩＰＭＶを空調制御パターンの決定要素に含めない。図２０に示した制御決定部１３の各手段のうち、モデル生成手段２０１および効率算出手段２０４の構成を詳しく説明する。

図２０に示したモデル生成手段２０１の構成について説明する。式（１）における８つの変数の値は、室温、風速、輻射温度および湿度と、ユーザの着衣量および活動量との６つの値から導き出せる。ＩＰＭＶにおいては、室温、風速、輻射温度はユーザの位置に対応する値である。そのため、ここでは、室温を局所温度とし、風速を局所風速とし、輻射温度を局所輻射温度とする。以下に、モデル生成手段２０１が、これら６つの値を求める方法を説明する。

局所温度として、モデル生成手段２０１は、数値流体解析の一例であるＣＦＤ（Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｆｌｕｉｄ Ｄｙｎａｍｉｃｓ）を用いて、空調制御パターンに対応して空調対象空間の温度分布をシミュレーションし、温度分布から特定の位置の温度を推定する。湿度は、湿度センサ１２２によって検出される。モデル生成手段２０１は、記憶装置２１に記憶された運転情報から湿度の情報を取得する。局所風速として、モデル生成手段２０１は、ＣＦＤによる解析結果において、空調対象空間の全体の空気の風速から、特定の位置の風速を推定する。局所輻射温度は、室温と同等であることが想定される。そのため、モデル生成手段２０１は、記憶装置２１に記憶された運転情報から、室温センサ１２１の検出値を取得する。

着衣量として、モデル生成手段２０１は、空気調和装置１０から受信した２次元熱画像のデータを用いて、衣類の熱抵抗を表すｃｌｏ値を推定する。具体的には、モデル生成手段２０１は、２次元熱画像のデータから、検出されたユーザ毎に、皮膚温度と、肌の露出量と、着衣の表面温度とを推定する。そして、モデル生成手段２０１は、皮膚温度、肌の露出量および着衣の表面温度と、ｃｌｏ値とを対応付けたクロー値テーブルを参照し、各ユーザのｃｌｏ値を取得する。記憶装置２１はクロー値テーブルを記憶している。活動量として、モデル生成手段２０１は、空気調和装置１０から受信した２次元熱画像のデータから各ユーザのＭＥＴを推定する。例えば、２次元熱画像のデータの赤外線検出値とＭＥＴとが対応付けられたＭＥＴテーブルを予め記憶装置２１が記憶している。モデル生成手段２０１は、ＭＥＴテーブルを参照し、各ユーザの赤外線検出値に対応するＭＥＴを読み出す。

モデル生成手段２０１は、数値流体解析としてＣＦＤを用いて、複数の空調制御パターンに対応して、空調対象空間に対して、人の位置によらない活動量ごとのＩＰＭＶモデルをレイアウトモデル毎に生成したＩＰＭＶデータベース２１２を記憶装置２１に記憶させる。学習データのないレイアウトモデルについては、モデル生成手段２０１は、教師データにＣＦＤを適用し、空調制御パターンに対応して空調対象空間の温度分布をシミュレーションしてＩＰＭＶモデルを生成する。学習データのないレイアウトモデルが適用モデルになった場合、モデル生成手段２０１は、レイアウトモデルデータベース２１１に蓄積される学習データを用いてＩＰＭＶモデルを更新する。

図２１は、活動の種類と活動量を代表するエネルギー代謝率とを記述した組み合わせの例を示すテーブルである。エネルギー代謝率は、式（２）により算出される。図２１を参照すると、例えば、寝ている人の活動量は０．７ＭＥＴであり、安静にして座っている人の活動量は１ＭＥＴである。

モデル生成手段２０１によるＣＦＤの計算処理の一例を説明する。まず、モデル生成手段２０１は、シミュレーションの対象となる空調対象空間を、標準的な流体３次元モデルを用いて３次元モデル化する。続いて、モデル生成手段２０１は、モデル化した空調対象空間を、例えば、格子状に区切る。そして、モデル生成手段２０１は、格子間の各矩形領域に対して、流体の圧力、温度、速度、空間に存在する発熱体、および壁からの侵入熱に対応した熱計算の結果に、境界条件として必要初期条件を与える。さらに、モデル生成手段２０１は、決められた乱流モデルおよび差分スキームを用いて、壁からの侵入熱および内部発熱などの境界条件に基づいて、各矩形領域における圧力、風量および温度などを解析する。

本実施の形態１においては、ＩＰＭＶは、複数の空調制御パターンの各空調制御パターンに対応して算出される。複数の空調制御パターンは、例えば、第１フラップ４の角度θｈに関する３つのパターンと、第２フラップ５の角度θｖに関する３つのパターンと、風速Ｗに関する３つのパターンと、温度Ｔｂに関する３つのパターンとの組み合わせによる８１通りである。つまり、本実施の形態１は、空調制御パターンが、３×３×３×３＝８１通りの場合である。

第１フラップ４の水平方向の角度θｈは、左向き（図４のＸ軸矢印方向）３０°、０°、および右向き（図４のＸ軸矢印の反対方向）３０°の３つのパターンである。第２フラップ５の傾斜角度θｖは、θｖ＝２０°、４５°および６０°の３つのパターンである。風速Ｗは、大、中および小の３つのパターンである。負荷側ユニット１０３から吹き出される空気の温度Ｔｂは、高、中および低の３つのパターンである。

モデル生成手段２０１は、空調対象空間の位置によらず、空調対象空間全体に対して、１ＭＥＴおよび２ＭＥＴ等の活動量毎に８１通りの空調制御パターンについてＣＦＤ解析を行って、空調対象空間におけるＩＰＭＶの分布であるＩＰＭＶ分布を生成する。ＩＰＭＶ分布は、ＣＦＤ解析によって空調対象空間が複数の矩形領域に分割され、各矩形領域に対応してＩＰＭＶが記憶装置２１に記憶されるものである。例えば、モデル生成手段２０１は、１ＭＥＴの活動量について８１通りのＩＰＭＶ分布を生成して１つのグループとし、２ＭＥＴの活動量について８１通りのＩＰＭＶ分布を生成して別のグループとする。このようにして、モデル生成手段２０１は、複数の活動量のそれぞれに対応するグループを生成し、複数のグループをＩＰＭＶデータベースとして記憶装置２１に記憶させる。本実施の形態１においては、活動量を１ＭＥＴ、２ＭＥＴ等の間隔で変化させる場合で説明するが、活動量の間隔は１．０の場合に限らない。活動量の間隔は、０．１または０．５であってもよい。

効率算出手段２０４は、室内に居るユーザの位置および活動量の情報を用いて、複数の空調制御パターンのそれぞれの快適効率ζを、式（３）を用いて算出する。

式（３）において、ｋはユーザ毎に異なる識別番号であり、Ｋは室内に居るユーザの人数である。本実施の形態１においては、Ｋ≧２である。目標値は個人の快適性指標ＩＰＭＶが±０．５以内とすることで、｜ＩＰＭＶｋ｜＞０．５のとき、｜ＩＰＭＶｋ｜は０．５とする。

快適効率ζは、複数のユーザの温冷感が中立（個人ＩＰＭＶ＝０）とどのくらい近いかを評価する値である。快適効率ζは、室内に居る複数のユーザの総合的な快適度を示す値である。快適効率ζが高いほど（最大１００％）、室内に居る複数のユーザの快適性が満足できると考える。すなわち、快適効率ζ＝１００％は複数のユーザが快適であることを意味し、快適効率ζ＝０％は複数のユーザが不快でることを意味する。制御決定手段２０５は、８１通りの空調制御パターンに対応する快適効率ζのうち、快適効率ζが最大となる空調制御パターンを求める。

図１３に示した制御装置２２のハードウェアの一例を説明する。図２２は、図１３に示した演算装置の一構成例を示すハードウェア構成図である。制御装置２２の各種機能がソフトウェアで実行される場合、図１３に示した制御装置２２は、図２２に示すように、ＣＰＵ等のプロセッサ９１と、メモリ９２とで構成される。データ取得手段１１、レイアウト判定部１２および制御決定部１３の各機能は、プロセッサ９１およびメモリ９２により実現される。図２２は、プロセッサ９１およびメモリ９２が、バス９３を介して互いに通信可能に接続されることを示している。プロセッサ９１およびメモリ９２は、バス９３を介して、図１３に示した記憶装置２１と接続される。メモリ９２は一次記憶装置の役目を果たし、記憶装置２１は二次記憶装置の役目を果たす。

各機能がソフトウェアで実行される場合、データ取得手段１１、レイアウト判定部１２および制御決定部１３の機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアおよびファームウェアは、プログラムとして記述され、メモリ９２に格納される。プロセッサ９１は、メモリ９２に記憶されたプログラムを読み出して実行することにより、各手段の機能を実現する。メモリ９２は、例えば、メモリ８２と同様な構成であり、その詳細な説明を省略する。

なお、モデル生成手段２０１は、ニューラルネットワークによりＩＰＭＶの計算方法を予め学習し、建物負荷、地域およびユーザの好みなど入力条件から、空調対象空間のＩＰＭＶを推定してもよい。

また、負荷側ユニット１０３から吹き出される空気の温度Ｔｂは、建物の負荷および圧縮機１１９の運転周波数に応じて、リニアに変化する。そのため、モデル生成手段２０１は、建物負荷、地域およびユーザの好みなど入力条件から、負荷側ユニット１０３から吹き出される空気の温度Ｔｂと、角度θｈおよびθｖと、風速Ｗとの最適な組み合わせを学習し、ニューラルネットワークにより選択対象の空調制御パターンの数を絞ってもよい。この場合、制御決定手段２０５は、絞られた数の空調制御パターンから最適な空調制御パターンを選択するので、空調制御パターンの決定処理がスムーズに行われる。ユーザの好みは、例えば、ユーザの温冷感の傾向である。

具体的には、記憶装置２１は、空気調和装置１０が設置された建物の熱負荷を含む入力条件と、快適効率ζが最大となる空調制御パターンとの組み合わせである負荷データを時系列で記憶する。そして、制御決定手段２０５は、時系列で記憶された複数の負荷データに基づいて、複数の空調制御パターンのうち、選択する空調制御パターンの数を絞る。この場合、入力条件は、建物の熱負荷の他に、空気調和装置１０が設置された地域および地域の気象データと、建物の日射量と、複数のユーザの温冷感の傾向を示す情報とを含んでいてもよい。

また、モデル生成手段２０１は、次のようにして、ＩＰＭＶデータベースのＩＰＭＶ分布を更新してもよい。モデル生成手段２０１は、圧縮機１１９の周波数、凝縮温度、蒸発温度および膨張弁１１７の開度を含む運転情報から空気調和装置１０の冷凍能力を推定する。そして、モデル生成手段２０１は、推定した冷凍能力と、温度Ｔｂ、水平方向の角度θｈ、傾斜角度θｖおよび風速Ｗから推定される気流状態とを、複数の活動量毎に記憶される複数のグループの各ＩＰＭＶ分布に反映させる。この場合、空気調和装置１０の運転状態の変化に応じて、ＩＰＭＶデータベースが最新の状態に更新される。

次に、本実施の形態１の情報処理装置２による空気調和装置１０の制御方法を説明する。図２３は、図１に示した空気調和装置が空気調和する空調対象空間の一例を示すレイアウト図である。図２３は、室内に置かれた家具の位置と、室内に居る２人のユーザの位置とを示す。図２３は、図８の熱画像が示すレイアウトから部屋のレイアウトが変更された場合を示す。具体的には、図２３に示す部屋のレイアウトは、図８に示した飾り棚が室内から取り除かれ、ソファが飾り棚の位置に移動した場合を示す。

ここでは、図２３に示すように、ユーザＭＡおよびユーザＭＢの２人が室内に居る場合で説明する。図２３の縦軸はＹ軸座標であり、横軸はＸ軸座標である。図２４は、各ユーザの活動量および位置の一例を示す表である。ユーザＭＡの活動量が１ＭＥＴであり、ユーザＭＢの活動量が２ＭＥＴである。図２５および図２６は、実施の形態１に係る情報処理装置の動作手順を示すフローチャートである。図２７は、図２３に示した室内の熱画像の一例を示すイメージ図である。

図２５に示すステップＳ１０１において、データ取得手段１１は、空気調和装置１０から環境情報を取得する。データ取得手段１１は、取得した環境情報を記憶装置２１に記憶させる。ステップＳ１０１において、データ取得手段１１は、熱放射状態および人の状態を示す情報として、赤外線センサ１４０によって検出された２次元熱画像のデータを空気調和装置１０から取得して記憶装置２１に記憶させる。

ステップＳ１０２において、データ取得手段１１は、空気調和装置１０から運転情報を取得する。データ取得手段１１は、取得した運転情報を記憶装置２１に記憶させる。運転情報は、運転状態を示す情報であり、例えば、圧縮機１１９の周波数と、凝縮温度と、蒸発温度と、膨張弁１１７の開度との情報を含む。また、運転情報は、温度センサ１２３によって検出される温度Ｔｂと、第１フラップ４の水平方向の角度θｈと、第２フラップ５の傾斜角度θｖと、風速Ｗとを含む気流情報を有する。

ステップＳ１０３において、活動量判定手段２０２は、図２７に示す熱画像Ｉｍｇ２のデータを参照して、各ユーザの活動量の情報を取得する。ここでは、活動量判定手段２０２は、ユーザＭＡの活動量を１ＭＥＴと推定し、ユーザＭＢの活動量を２ＭＥＴと推定する。

ステップＳ１０４において、位置判定手段２０３は、図２７に示す熱画像Ｉｍｇ２のデータを参照して、各ユーザの位置の情報を取得する。ここでは、位置判定手段２０３は、ユーザＭＡの位置を座標（２，７）と判定し、ユーザＭＢの位置を座標（７，９）と判定する。

ステップＳ１０５において、判定手段２５１は、現在の部屋のレイアウトが適用モデルに適合するか否かを判定する。ここでは、適用モデルは、図８に示した熱画像Ｉｍｇ１が示すレイアウトモデルである。図２８は、図２７に示した熱画像に対する判定手段による解析結果の一例を示すイメージ図である。

判定手段２５１は、図２７に示した熱画像Ｉｍｇ２のデータを解析することで、室内における熱放射の相対値から人の位置と形状とを特定する。そして、図２８に示すように、判定手段２５１は、熱画像Ｉｍｇ２からユーザＭＡおよびＭＢの部分を取り除いた熱放射状態を示す室内熱画像Ｉｍｇ２ａを生成する。判定手段２５１は、室内熱画像Ｉｍｇ２ａから部屋のレイアウトの特徴点を抽出する。

図２９は、図１４に示した判定手段が図２８に示した熱画像から特徴点を抽出した場合の一例を示すイメージ図である。判定手段２５１は、図２８に示した室内熱画像Ｉｍｇ２ａから室内における熱放射状態を乱す原因として、窓３０２のエッジを特徴点として検出する。また、判定手段２５１は、図２８に示した室内熱画像Ｉｍｇ２ａから、ソファ３０３および３０４のエッジと、ピアノ３０５のエッジとを特徴点として検出する。そして、判定手段２５１は、図２９に示す特徴抽出画像Ｉｍｇ２ｂを生成する。

ステップＳ１０５において、具体的には、判定手段２５１は、レイアウトモデルデータベース２１１において現在の適用モデルの複数の学習データを参照し、空気調和装置１０の現在の運転状態に対応する学習データを読み出す。そして、判定手段２５１は、特徴抽出画像Ｉｍｇ２ｂに抽出した特徴点と、読み出した学習データが示す特徴点との一致量が閾値以上か否かを判定する。判定の結果、一致量が閾値以上である場合、判定手段２５１は、現在の部屋のレイアウトは適用モデルに適合していると判定する。そして、判定手段２５１は、部屋のレイアウトは変更されていない旨の情報をレイアウト選択手段２５２に送信する。一方、一致量が閾値より小さい場合、判定手段２５１は、現在の部屋のレイアウトは適用モデルに適合していないと判定し、ステップＳ１０６に進む。

ステップＳ１０６において、判定手段２５１は、部屋のレイアウトが変更されたか否かをユーザに照会する。具体的には、判定手段２５１は、部屋のレイアウトが変更されたか否かを問い合わせる旨の情報を含む照会メッセージを、ネットワーク５０を介して情報処理端末４０に送信する。情報処理端末４０の端末制御部４１は、情報処理装置２から照会メッセージを受信すると、照会メッセージを表示部４４に表示させる。ユーザが表示部４４に表示された照会メッセージに対して、入力部４３を介して回答を入力すると、端末制御部４１は、無線通信部４５およびネットワーク５０を介して、回答メッセージを情報処理装置２に送信する。

判定手段２５１は、情報処理端末４０から回答メッセージを受信すると、回答メッセージの内容を確認する。回答メッセージが、部屋のレイアウトが変更された旨の情報である場合、判定手段２５１は、部屋のレイアウトが変更された旨の情報をレイアウト選択手段２５２に送信する。これにより、レイアウト選択手段２５２はステップＳ１０８に進む。一方、回答メッセージが、部屋のレイアウトが変更されていない旨の情報である場合、判定手段２５１は、部屋のレイアウトが変更されていない旨の情報をレイアウト選択手段２５２に送信する。これにより、レイアウト選択手段２５２は、ステップＳ１０７に進む。

なお、図２５においては、判定手段２５１は、ステップＳ１０５の判定の結果、部屋のレイアウトが変更されていないと判定した場合、ユーザに照会する場合を示しているが、ステップＳ１０６を行わなくてもよい。つまり、図２５に示すフローは、ステップＳ１０５の判定の結果、Ｎｏの場合にはステップＳ１０８に進み、Ｙｅｓの場合にはステップＳ１０７に進む。

レイアウト選択手段２５２は、部屋のレイアウトが変更されていない旨の情報を判定手段２５１から受信すると、現在の適用モデルを維持する（ステップＳ１０７）。一方、レイアウト選択手段２５２は、部屋のレイアウトが変更されている旨の情報を判定手段２５１から受信すると、現在の部屋のレイアウトに適合する新規レイアウトモデルを複数のレイアウトモデルから選択する（ステップＳ１０８）。具体的には、レイアウト選択手段２５２は、レイアウトモデルデータベース２１１を参照し、空気調和装置１０の現在の運転状態に対応する空調データを読み出し、読み出した空調データの特徴点と、判定手段２５１によって室内熱画像から抽出された特徴点とを比較する。この場合の空調データは、１つであってもよく、複数であってもよい。また、空調データは、学習データであってもよく、教師データであってもよい。そして、レイアウト選択手段２５２は、室内熱画像から抽出された特徴点と、読み出した空調データが示す特徴点との一致量が最大になるレイアウトモデルを、複数のレイアウトモデルから新規レイアウトモデルとして選択する。レイアウト選択手段２５２は、適用モデルを、選択した新規レイアウトモデルに更新する（ステップＳ１０９）。

図２９に示す特徴抽出画像Ｉｍｇ２ｂと図１８に示す特徴抽出画像Ｉｍｇ１ｂとを比較すると、ソファ３０３およびピアノ３０５に比べて特徴量の大きい飾り棚３０１は、図２９に示す特徴抽出画像Ｉｍｇ２ｂでは検出されていない。そのため、この場合、判定手段２５１は、部屋のレイアウトが変更されと判定する。

ステップＳ１１０において、レイアウト選択手段２５２は、ステップＳ１０７で維持された適用モデル、またはステップＳ１０９において更新された適用モデルに対応するＩＰＭＶモデルを選択する。そして、レイアウト選択手段２５２は、選択した適用モデルの情報を制御決定部１３に送信する。例えば、レイアウト選択手段２５２は、図１５に示した関係情報から、ＩＰＭＶモデルの識別子を読み出し、読み出した識別子の情報を制御決定部１３に送信する。

図３０は、実施の形態１に係る情報処理装置の図２６に示すステップＳ１１１以降の動作手順を示す模式図である。ｎＭＥＴのｎは２以上の正の整数である。ここでは、モデル生成手段２０１が、記憶装置２１が記憶する情報を用いて、予めＩＰＭＶデータベース２１２を生成している場合で説明する。モデル生成手段２０１は、生成したＩＰＭＶデータベース２１２を記憶装置２１に記憶させる。図３０には、活動量毎に８１通りのＩＰＭＶ分布が設けられたＩＰＭＶモデルを示す。ＩＰＭＶデータベース２１２には、ステップＳ１０７で維持された適用モデル、またはステップＳ１０９において更新された適用モデルに対応して、図３０に示すＩＰＭＶモデルが格納されている。

ステップＳ１１１において、効率算出手段２０４は、ステップＳ１０３における活動量判定手段２０２の推定結果から、１ＭＥＴのグループと、２ＭＥＴのグループとを、ステップＳ１１０で選択されたＩＰＭＶモデルから読み出す。続いて、効率算出手段２０４は、ステップＳ１０４における位置判定手段２０３の判定結果から、１ＭＥＴのグループの座標（２，７）に位置する８１個のＩＰＭＶを読み出す。また、効率算出手段２０４は、位置判定手段２０３の判定結果から、２ＭＥＴのグループの座標（７，９）に位置する８１個のＩＰＭＶを読み出す。その際、効率算出手段２０４は、各ＩＰＭＶ分布において、空調対象空間の予め決められた高さ（例えば、床上１．３ｍ）におけるＩＰＭＶを読み出す。そして、効率算出手段２０４は、ユーザＭＡの８１個のＩＰＭＶとユーザＭＢの８１個のＩＰＭＶとを式（３）に代入して、８１通りの快適効率ζを算出する（ステップＳ１１２）。

ステップＳ１１３において、制御決定手段２０５は、８１通りの空調制御パターンのうち、快適効率ζが最も大きい空調制御パターンを決定する。その際、空調制御パターンの選択条件として、快適効率ζが最大という条件だけでなく、各ユーザのＩＰＭＶが±０．５以内である条件を含んでいてもよい。

ステップＳ１１４において、制御決定手段２０５は、ステップＳ１１３で決定された空調制御パターンの情報を空気調和装置１０に送信する。空気調和装置１０の制御装置１３０は、空調制御パターンの情報を情報処理装置２から受信すると、空調制御パターンにしたがって、圧縮機１１９、送風機１１３および風向調整部１０５のうち、少なくともいずれかを制御する。例えば、負荷側ユニット１０３からの空気の吹き出し温度を変更する場合、冷凍サイクル制御手段１３１は圧縮機１１９の運転周波数を変更する。風速Ｗを変更する場合、冷凍サイクル制御手段１３１は送風機１１３の回転数を変更する。角度θｈを変更する場合、冷凍サイクル制御手段１３１は第１フラップ４の角度θｈを変更する。角度θｖを変更する場合、冷凍サイクル制御手段１３１は第２フラップ５の角度θｖを変更する。

ステップＳ１１５において、データ取得手段１１は、一定時間が経過したか否かを判定する。一定時間が経過しない場合、制御装置２２は待機状態となる。ステップＳ１１５の判定の結果、一定時間が経過した場合、制御装置２２は、ステップＳ１０１の処理に戻る。

図３１は、快適効率の算出結果の一例を示すテーブルである。図３１は、各空調制御パターンに対応して、活動量が１ＭＥＴの場合のＩＰＭＶと、活動量が２ＭＥＴの場合のＩＰＭＶと、快適効率ζとを表している。図３１に示すテーブルの左欄の番号は空調制御パターンの識別番号である。図３１に示すテーブルを参照すると、快適効率ζが最大となる空調制御パターンは、１６番の空調制御パターンであることがわかる。

図３２は、ステップＳ１１３で決定された空調制御パターンの場合のＩＰＭＶ分布の一例を示すイメージ図である。図３２は、１６番の空調制御パターンにおいて、活動量が１ＭＥＴの場合のＩＰＭＶ分布である。図３３は、ステップＳ１１３で決定された空調制御パターンの場合のＩＰＭＶ分布の別の例を示すイメージ図である。図３３は、１６番の空調制御パターンにおいて、活動量が２ＭＥＴの場合のＩＰＭＶ分布である。

図３２および図３３に示すように、番号１６の空調制御パターンにおいて、活動量が１ＭＥＴのユーザＭＡのＩＰＭＶと、活動量が２ＭＥＴのユーザＭＢのＩＰＭＶとが可視化される。図３２および図３３は、模様の密度が高いほど、ＩＰＭＶが中立よりもマイナス側の値であり、模様の密度が小さいほど、ＩＰＭＶが中立よりもマイナス側の値であることを示す。図３２においては、ユーザＭＡの位置のＩＰＭＶが０に近い値になっている。図３３においては、室内の広い範囲でＩＰＭＶが０よりも大きい値になっているが、ユーザＭＢの位置に近い座標（７，７）を中心にした周囲のＩＰＭＶが０に近い値になっていることがわかる。これは、負荷側ユニット１０３から座標（７，７）の方向に空気が吹き出される制御が行われ、ＩＰＭＶの値が下がるためである。このようにして、ユーザＭＡおよびユーザＭＢの複数のユーザのＩＰＭＶが中立に近くなるように、ＩＰＭＶを速やかに快適領域に到達させて安定させることができる。

なお、図２５および図２６に示すフローチャートにおいて、ステップＳ１０３およびＳ１０４の処理は、ステップＳ１１１よりも前に実行されていればよく、図２５に示すステップの位置に限らない。

また、図２６に示すステップＳ１１５において一定時間の経過後、ステップＳ１０１に戻る場合を説明したが、ステップＳ１０３に戻ってもよい。この場合、ステップＳ１０３において、データ取得手段１１は、熱放射状態および人の状態を示す情報として、赤外線センサ１４０によって検出された２次元熱画像のデータを空気調和装置１０から取得する。記憶装置２１に構築されたＩＰＭＶデータベース２１２が、空気調和装置１０および空調対象空間の適用モデルに適合したものであれば、頻繁に更新する必要はない。この場合、モデル生成手段２０１の演算処理の負荷が軽減する。

また、図２６に示すステップＳ１１５において、活動量判定手段２０２および位置判定手段２０３が、空気調和装置１０から受信する２次元熱画像のデータを監視してもよい。一定時間内に、活動量判定手段２０２がユーザの活動量が一定でないと判定した場合、および位置判定手段２０３が室内におけるユーザの有無を判定できない場合のうち、一方または両方の場合、負荷側ユニット１０３から吹き出される空気の風向を変えてもよい。具体的には、制御決定手段２０５は、第１フラップ４の水平方向の角度および第２フラップ５の傾斜角度のうち、一方または両方の角度を一定の周期で変化させるスイング動作をさせる制御情報を空気調和装置１０に送信する。例えば、第１フラップ４のスイング動作は、第１フラップ４が水平基準θｈ０を基準として左右に２０秒周期でスイングする動作である。この場合、情報処理装置２が空気調和装置１０から受信する環境情報および運転情報が変化し、制御装置２２は、ユーザの活動量および位置を認識しやすくなる。

さらに、本実施の形態１においては、図２６に示すステップＳ１１３において制御決定手段２０５が空調制御パターンを決定する際、効率算出手段２０４は、式（３）を用いて各空調制御パターンの快適効率ζを算出したが、この評価方法に限らない。効率算出手段２０４は、ＴＯＰＳＩＳ（Ｔｅｃｈｎｉｑｕｅ ｆｏｒ Ｏｒｄｅｒ ｏｆ Ｐｒｅｆｅｒｅｎｃｅ ｂｙ Ｓｉｍｉｌａｒｉｔｙ ｔｏ Ｉｄｅａｌ Ｓｏｌｕｔｉｏｎ）を用いて、複数のユーザの総合的な快適度が最大となる空調制御パターンを求めてもよい。本実施の形態１においては、式（３）を用いた評価方法の方がＴＯＰＳＩＳに比べて計算量が少ないため、制御装置２２の演算処理の負荷が軽減する。

本実施の形態１の空気調和システム１は、空気調和装置１０と、空調対象空間における熱放射状態および人の状態を検出する検出手段３０と、記憶装置２１と、制御装置２２とを有する。記憶装置２１は、空調対象空間の異なるレイアウトを表す複数のレイアウトモデルと、レイアウトモデル毎の複数の空調制御パターンと、空調対象空間に適用されているレイアウトモデルである適用モデルと、適用モデルについて空気調和装置の運転状態と運転状態に対応する熱放射状態とが組み合わされた複数の学習データとを記憶する。制御装置２２は、判定手段２５１と、レイアウト選択手段２５２と、制御決定部１３とを有する。判定手段２５１は、空気調和装置１０から取得する運転状態および検出手段３０によって検出される熱放射状態の組み合わせデータと複数の学習データとを比較することで空調対象空間のレイアウトが変更されたか否かを判定する。レイアウト選択手段２５２は、判定手段２５１によって空調対象空間のレイアウトが変更されていると判定された場合、組み合わせデータに対応する新規レイアウトモデルを複数のレイアウトモデルから選択する。制御決定部１３は、新規レイアウトモデルの複数の空調制御パターンから、検出手段３０によって検出される人の状態に基づいて空調制御パターンを求める。

本実施の形態１によれば、空調対象空間のレイアウトが変更されても、複数のレイアウトモデルから空調対象空間のレイアウトに最も適合したレイアウトモデルが選択される。そして、選択されたレイアウトモデルの複数の空調制御パターンから空調対象空間に居る人の状態に対応する空調制御パターンが空気調和装置に適用される。そのため、空調対象空間に居るユーザの快適性が向上する。

具体的には、判定手段２５１が空調対象空間の形状および設置された家具等のレイアウトの特徴点を検出し、レイアウト選択手段２５２が現在の空調対象空間のレイアウトに最も適合したレイアウトモデルを選択する。そして、制御決定部１３が、選択されたレイアウトモデルの複数の空調制御パターンから、空調対象空間に居るユーザの状態、例えば、ユーザの位置および活動量に対応して、ユーザの快適効率が最大となる空調制御パターンを求める。求められた空調制御パターンにしたがって空気調和装置１０が空気調和を行うことで、空調対象空間のユーザに対して快適性の向上を図ることができる。

また、本実施の形態１において、検出手段３０は、人の状態として、空調対象空間に居る複数のユーザについて、各ユーザの活動量および空調対象空間における各ユーザの位置を検出してもよい。記憶装置２１は、レイアウトモデル毎に、空気調和装置１０の複数の空調制御パターンのそれぞれに対応する空調対象空間における快適性指標分布を含むグループが、複数の活動量毎に分類されたＩＰＭＶモデルを記憶する。制御決定部１３は、活動量判定手段２０２、位置判定手段２０３、効率算出手段２０４および制御決定手段２０５を有する。活動量判定手段２０２は、各ユーザについて、検出手段３０によって検出された活動量に対応するグループを特定する。位置判定手段２０３は、特定されたグループ内の複数の快適性指標分布から、検出手段３０によって検出される位置に対応する複数の快適性指標を抽出する。効率算出手段２０４は、各ユーザの位置に対応して抽出された複数の快適性指標を用いて、複数の空調制御パターン毎に複数のユーザの総合的な快適度を示す快適効率ζを算出する。制御決定手段２０５は、複数の空調制御パターンのうち、算出された快適効率ζが最大となる空調制御パターンを求める。

本実施の形態１によれば、適用モデルに適合されるレイアウトの空調対象空間に居る各ユーザの活動量に対応して、複数の空調制御パターンのそれぞれに対応する空調対象空間における快適性指標分布を含むグループが求まる。また、空調対象空間に居る各ユーザの位置に対応して、グループ内の複数の快適性指標分布から複数の快適性指標が抽出される。そして、各ユーザの複数の快適性指標に基づいて、複数のユーザの快適効率が最大となる空調制御パターンが、複数の空調制御パターンから求まる。部屋のレイアウトが変更されても、複数のユーザの快適効率が最大となる空調制御パターンにしたがって空気調和装置１０が空気調和を行うことで、複数のユーザに対して快適性の向上を図れる。

また、本実施の形態１では、学習手段２５３がレイアウトモデル毎に、熱放射状態を示す熱画像のデータを学習データとして記憶装置２１に蓄積する。そのため、レイアウトモデルの特徴点を示す学習データが多く蓄積され、空調対象空間の実際のレイアウトとレイアウトモデルとの判定手段２５１による判定の精度が向上する。

なお、上述の実施の形態１においては、赤外線センサ１４０が、ユーザの活動量を検出する手段として機能する場合で説明したが、ユーザの活動量を検出する手段は赤外線センサ１４０に限らない。例えば、活動量を検出する手段がウェアラブルセンサであってもよい。以下に、活動量を検出する手段がウェアラブルセンサの場合を説明する。

（変形例１）
図３４は、変形例１の空気調和システムの一構成例を示す図である。図３４に示す構成においては、図１を参照して説明した構成と同一の構成について同一の符号を付し、本変形例１においては、その詳細な説明を省略する。

空気調和システム１ａは、熱検出手段３１を有する空気調和装置１０と、情報処理装置２と、アクセスポイント（ＡＰ）６０と、ユーザ毎に設けられたウェアラブル端末７０とを有する。ＡＰ６０は、空気調和装置１０の空調対象空間である室内に設けられている。ＡＰ６０は、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の近距離無線通信手段（図示せず）と、ネットワーク５０の通信プロトコルに対応するネットワーク通信手段（図示せず）とを有する。通信プロトロルは、例えば、ＴＣＰ／ＩＰである。熱検出手段３１は、例えば、図２に示した赤外線センサ１４０である。

ウェアラブル端末７０は、ユーザ毎に設けられる。ウェアラブル端末７０は、例えば、腕時計またはブレスレットの形態である。ウェアラブル端末７０は、一定の周期でユーザの活動量として脈拍を検出する活動量検出手段３２を有する。活動量はユーザの肌温度であってもよい。また、ウェアラブル端末７０は、端末毎に異なる識別子である端末識別子およびプログラムを記憶するメモリ（図示せず）と、プログラムにしたがって処理を実行するＣＰＵ（図示せず）とを有する。熱検出手段３１および活動量検出手段３２によって検出手段３０ａが構成される。

活動量検出手段３２がユーザの活動量を検出すると、ウェアラブル端末７０のＣＰＵ（図示せず）は、活動量の情報および端末識別子を含むユーザ情報をＡＰ６０およびネットワーク５０を介して情報処理装置２に送信する。ウェアラブル端末７０のメモリ（図示せず）は、ＡＰ６０の設置位置の座標を記憶していてもよい。ウェアラブル端末７０のＣＰＵ（図示せず）は、ＡＰ６０との無線電波の強度を参照し、ＡＰ６０の設置位置からの距離を推定する。そして、ウェアラブル端末７０のＣＰＵ（図示せず）は、推定した位置の情報をユーザの位置の情報としてユーザ情報に含める。例えば、複数のＡＰ６０が室内に設置されている場合、ウェアラブル端末７０のＣＰＵ（図示せず）は、複数のＡＰ６０の無線電波の強度を比較することで、室内におけるユーザの位置をより精度よく推定することができる。情報処理装置２は、ウェアラブル端末７０から受信するユーザ情報と熱検出手段３１が検出するユーザの位置とを対応づける。

本変形例１においても、情報処理装置２は、図２５および図２６に示した手順にしたがって、適用モデルに対応して、複数の空調制御パターンから最適な空調制御パターンを決定することができる。本変形例１の場合、ユーザ毎に装着されたウェアラブル端末７０がユーザの活動量を検出するので、より精度よく活動量が検出される。その結果、複数のユーザのそれぞれの活動量により適合した空調を行うことができる。

なお、上述した実施の形態１においては、空調対象空間に居る人が複数の場合で説明したが、空調対象空間に居る人が１人であってもよい。

１、１ａ 空気調和システム、２ 情報処理装置、４ 第１フラップ、４ａ～４ｄ 羽根、５ 第２フラップ、５ａ 前方羽根、５ｂ 後方羽根、６ 吹出口、１０ 空気調和装置、１１ データ取得手段、１２ レイアウト判定部、１３ 制御決定部、２１ 記憶装置、２２ 制御装置、３０、３０ａ 検出手段、３１ 熱検出手段、３２ 活動量検出手段、４０ 情報処理端末、４１ 端末制御部、４２ 記憶部、４３ 入力部、４４ 表示部、４５ 無線通信部、５０ ネットワーク、６０ アクセスポイント、７０ ウェアラブル端末、７５ 天井、８０ 処理回路、８１ プロセッサ、８２ メモリ、８３ バス、９１ プロセッサ、９２ メモリ、９３ バス、１０２ 冷媒回路、１０３ 負荷側ユニット、１０４ 熱源側ユニット、１０５ 風向調整部、１１０ 冷媒配管、１１３、１１４ 送風機、１１５ 負荷側熱交換器、１１６ 熱源側熱交換器、１１７ 膨張弁、１１８ 四方弁、１１９ 圧縮機、１２０ 環境検出部、１２１ 室温センサ、１２２ 湿度センサ、１２３ 温度センサ、１３０ 制御装置、１３１ 冷凍サイクル制御手段、１３２ 通信手段、１４０ 赤外線センサ、２０１ モデル生成手段、２０２ 活動量判定手段、２０３ 位置判定手段、２０４ 効率算出手段、２０５ 制御決定手段、２１１ レイアウトモデルデータベース、２１２ ＩＰＭＶデータベース、２５１ 判定手段、２５２ レイアウト選択手段、２５３ 学習手段、３０１ 飾り棚、３０２ 窓、３０３、３０４ ソファ、３０５ ピアノ、４１１ ＣＰＵ、４１２ メモリ、ＦＬ 床面、ＷＡＬ１～ＷＡＬ４ 壁、ａｄ１～ａｄ４ 吹き出し方向。

Claims (10)

1. 空調対象空間を空気調和する空気調和装置と、
   前記空調対象空間における熱放射状態および人の状態を検出する検出手段と、
   前記空調対象空間の異なるレイアウトを表す複数のレイアウトモデルと、前記レイアウトモデル毎の複数の空調制御パターンと、前記空調対象空間に適用されている前記レイアウトモデルである適用モデルと、前記適用モデルについて前記空気調和装置の運転状態と前記運転状態に対応する前記熱放射状態とが組み合わされた複数の学習データとを記憶する記憶装置と、
   前記空気調和装置から取得する前記運転状態および前記検出手段によって検出される前記熱放射状態の組み合わせデータと前記複数の学習データとを比較することで前記空調対象空間のレイアウトが変更されたか否かを判定し、前記空調対象空間のレイアウトが変更されていると判定した場合、前記組み合わせデータに対応する新規レイアウトモデルを前記複数のレイアウトモデルから選択し、前記新規レイアウトモデルの前記複数の空調制御パターンから、前記検出手段によって検出される前記人の状態に基づいて空調制御パターンを求める制御装置と、
   を有する空気調和システム。
2. 前記制御装置は、
   前記組み合わせデータと前記複数の学習データとを比較し、前記組み合わせデータに一致する学習データがない場合、前記空気調和装置のユーザの情報処理端末に前記空調対象空間のレイアウトが変更されたか否かを問い合わせる旨の情報を含む照会メッセージを送信し、前記空調対象空間のレイアウトが変更された旨の情報を含む回答メッセージを受信すると、前記空調対象空間のレイアウトが変更されたと判定する、
   請求項１に記載の空気調和システム。
3. 前記記憶装置は、
   前記レイアウトモデル毎に、前記レイアウトモデルの特徴点を示す空調データとして前記学習データまたは教師データと、前記レイアウトモデルと前記空調データとを対応づける関係情報とを含むレイアウトモデルデータベースを記憶し、
   前記制御装置は、
   前記検出手段によって検出される前記熱放射状態の情報から前記空調対象空間のレイアウトの特徴点を抽出し、抽出した特徴点と前記適用モデルの前記空調データが示す特徴点との一致量が予め決められた閾値より小さい場合、前記空調対象空間のレイアウトが変更されたと判定する、
   請求項１に記載の空気調和システム。
4. 前記記憶装置は、
   前記レイアウトモデル毎に、前記レイアウトモデルの特徴点を示す空調データとして前記学習データまたは教師データと、前記レイアウトモデルと前記空調データとを対応づける関係情報とを含むレイアウトモデルデータベースを記憶し、
   前記制御装置は、
   前記空調対象空間のレイアウトが変更されたと判定された場合、前記検出手段によって検出される前記熱放射状態の情報から前記空調対象空間のレイアウトの特徴点を抽出し、抽出した特徴点と前記空調データが示す特徴点との一致量が最大になるレイアウトモデルを前記新規レイアウトモデルとして選択する、
   請求項１～３のいずれか１項に記載の空気調和システム。
5. 前記検出手段は、
   前記人の状態として、前記空調対象空間に居る複数のユーザについて、各ユーザの活動量および前記空調対象空間における各ユーザの位置を検出し、
   前記記憶装置は、
   前記レイアウトモデル毎に、前記空気調和装置の複数の空調制御パターンのそれぞれに対応する前記空調対象空間におけるユーザの快適度を示す快適性指標の分布である快適性指標分布を含むグループが、複数の活動量毎に分類された快適性指標モデルを記憶し、
   前記制御装置は、
   前記新規レイアウトモデルに対応する前記快適性指標モデルを参照し、前記各ユーザについて、前記検出手段によって検出された活動量に対応する前記グループを特定し、特定したグループ内の複数の前記快適性指標分布から、前記検出手段によって検出される位置に対応する複数の前記快適性指標を抽出し、前記各ユーザの位置に対応して抽出された前記複数の快適性指標を用いて、前記複数の空調制御パターン毎に前記複数のユーザの総合的な快適度を示す快適効率を算出し、前記複数の空調制御パターンのうち、算出された前記快適効率が最大となる空調制御パターンを求める、
   請求項１～４のいずれか１項に記載の空気調和システム。
6. 前記制御装置は、
   前記空気調和装置が設置された建物の熱負荷を含む入力条件と、前記複数のユーザの快適効率が最大となる前記空調制御パターンとの組み合わせである負荷データを時系列で記憶し、前記時系列で記憶した複数の前記負荷データに基づいて、前記複数の空調制御パターンのうち、選択する空調制御パターンの数を絞る、
   請求項５に記載の空気調和システム。
7. 前記複数のユーザ毎に異なる識別番号をｋとし、識別番号ｋのユーザの前記快適性指標をＩＰＭＶｋとし、Ｋを２以上の整数とし、前記快適効率をζとすると、前記複数の空調制御パターン毎の前記快適効率ζは、
   ζ＝（１－２｜ＩＰＭＶ₁｜）×（１－２｜ＩＰＭＶ₂｜）×・・・×（１－２｜ＩＰＭＶ_ｋ｜）×・・・（１－２｜ＩＰＭＶ_Ｋ｜）×１００％
   の式で算出される、
   請求項５または６に記載の空気調和システム。
8. 前記検出手段は、赤外線センサである、
   請求項１～７のいずれか１項に記載の空気調和システム。
9. 前記検出手段は、
   前記各ユーザに設けられ、前記各ユーザの活動量を検出するウェアラブル端末と、
   前記空調対象空間における各ユーザの位置および前記熱放射状態を検出する赤外線センサと、を有する、
   請求項５～７のいずれか１項に記載の空気調和システム。
10. 空調対象空間における熱放射状態および人の状態を検出する検出手段ならびに記憶装置のそれぞれと接続される制御装置による空気調和装置の制御方法であって、
    前記空調対象空間の異なるレイアウトを表す複数のレイアウトモデルと、前記レイアウトモデル毎の複数の空調制御パターンと、前記空調対象空間に適用されている前記レイアウトモデルである適用モデルと、前記適用モデルについて前記空気調和装置の運転状態と前記運転状態に対応する前記熱放射状態とが組み合わされた複数の学習データとを前記記憶装置に記憶させるステップと、
    前記空気調和装置から取得する前記運転状態および前記検出手段によって検出される前記熱放射状態の組み合わせデータと前記複数の学習データとを比較することで前記空調対象空間のレイアウトが変更されたか否かを判定するステップと、
    前記空調対象空間のレイアウトが変更されていると判定すると、前記組み合わせデータに対応する新規レイアウトモデルを前記複数のレイアウトモデルから選択するステップと、
    前記新規レイアウトモデルの前記複数の空調制御パターンから、前記検出手段によって検出される前記人の状態に基づいて空調制御パターンを求めるステップと、
    を有する空気調和装置の制御方法。

Images