WO2019022079A1

WO2019022079A1 - 環境設備制御装置

Info

Publication number: WO2019022079A1
Application number: PCT/JP2018/027723
Authority: WO
Inventors: 詩織繪本; 淳西野; 橋本　哲; 翔太堀; 絢哉中瀬; 剛範辻川; 幸浩木内; 俊亘小勝
Original assignee: ダイキン工業株式会社; 日本電気株式会社
Priority date: 2017-07-26
Filing date: 2018-07-24
Publication date: 2019-01-31
Also published as: JPWO2019022079A1; US20200224916A1; US11326801B2; JP6966551B2

Abstract

ユーザの心身状態を改善させるための制御を即時に実行させることが可能な環境設備制御装置を提供する。複数種類の環境設備（１０、２０、３０）の制御を行うための環境設備制御装置（１００）であって、ユーザの現状の心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する把握部（６０）と、現状心身状態情報と環境状況情報と目標関係情報とに応じて複数種類の環境設備（１０、２０、３０）の組み合わせ毎の制御計画を出力する学習制御計画出力手段（８０）と、学習制御計画出力手段（８０）によって出力された複数の制御計画から１つの制御計画を選択して実行する選択制御部（９０）と、を備え、学習制御計画出力手段（８０）は、選択制御部（９０）が選択した制御計画を実行することによって変化したユーザの心身状態を用いて、出力させる制御計画の特定方法を更新させるように学習する。

Description

環境設備制御装置

　本発明は、環境設備制御装置に関する。

　従来より、空気調和装置や照明設備等の環境設備を用いて、作業者の作業効率を高めることが可能な環境を提供することが求められている。

　例えば、特許文献１（特開２０１１－１０１７４６号公報）に記載の作業環境制御システムでは、作業者の心身状態と心身状態との相関に基づいて、目標とする心身状態を定め、当該定められた目標とする心身状態を実現するように心身状態と環境状態の相関に基づいて好適な作業環境を構築させるように、照明装置および空調装置を制御して目標とする照度と温度と湿度とを実現させることを提案している。

　上記従来のシステムでは、ユーザの覚醒度に対して照度と温度と湿度とが一義的に特定されることを前提としており、目標となる心電図ＨＦに対応する環境目標である照度と温度と湿度を、照明装置および空調装置の制御により実現することで、ユーザの作業効率の向上を図っている。

　ところが、実際には、ユーザの覚醒度は、複雑であり、照度と温度と湿度とから一義的に定まるものではなく、照度と温度と湿度との相互関係や季節等の様々な要因により変化するものである。

　しかし、ユーザの心身状態のような様々な因子が影響を与える複雑な指標について、当該心身状態を最適化させることを目指して環境設備の制御を行おうとしても、実際には、各因子をそれぞれ変化させた場合のユーザの心身状態の影響を検討する等の極めて複雑なシミュレーションを行うことが必要となる。特に、ユーザの心身状態に影響を与える複数の因子同士の効果を考慮する必要が生じるため、情報処理量が極めて膨大となる。すなわち、複数の環境設備の制御を変更させる場合には、それぞれの環境設備の制御変更によってユーザの心身状態が変化するものと考えられるが、最適な心身状態を実現させるための照明装置や空調装置の制御状態を特定するためには、照明装置による照度の調整が作業者の心身状態に与える影響と、空調装置による温度や湿度の調整が作業者の心身状態に与える影響と、の効果を考慮する必要があり、演算負荷が非常に膨大となってしまう。

　また、そもそも、ユーザの心身状態に影響を与える因子の全てを盛り込んだシミュレーションのモデルはこれまで検討されておらず、上述のようなシミュレーションを試みること自体が困難である。

　したがって、ユーザの心身状態を目標とする状態に近づけるように複数の環境設備を制御することは、これまでの技術では現実的ではなく、実質的に不可能であった。

　本発明の課題は、上述した点に鑑みてなされたものであり、ユーザの心身状態を改善させるための制御を即時に実行させることが可能な環境設備制御装置を提供することにある。

　第１観点に係る環境設備制御装置は、複数種類の環境設備の制御を行うための環境設備制御装置であって、把握部と、学習制御計画出力手段と、選択制御部と、を備えている。把握部は、ユーザの現状の心身状態に関する現状心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する。学習制御計画出力手段は、現状心身状態情報と環境状況情報と目標関係情報とに応じて複数種類の環境設備の組み合わせ毎の制御変更計画を出力する。選択制御部は、学習制御計画出力手段によって出力された複数の制御変更計画から所定条件に基づいて１つの制御変更計画を選択して実行する。学習制御計画出力手段は、選択制御部が選択した制御変更計画を実行することによって変化したユーザの心身状態を用いて、出力させる制御変更計画の特定方法を更新させるように学習する。

　なお、ユーザの心身状態に関する情報としては、特に限定されず、例えば、覚醒度、ＬＦ／ＨＦ等の自律神経バランス、眠気度合い、緊張度合い、発汗度合い、体温、体表面温度、表情、音声等の各種の情報を用いることができる。

　この環境設備制御装置では、複数の環境設備の制御を行う場合において、各環境設備の制御によるユーザの心身状態に与える影響や効果を都度反映させることなく複数の制御変更計画を出力し、当該出力の中から１つの制御変更計画を所定条件に基づいて選択することにより、制御内容の決定を迅速に行うことが可能になる。そして、選択した制御変更計画の制御内容を実行した場合のユーザの心身状態の変化を用いて、出力させる制御変更計画の特定方法を更新させるように学習制御計画出力手段が学習するため、学習によりユーザの心身状態を目標とする状態に近づける効率の高い制御変更計画を出力させて実行できるようになる。

　第２観点に係る環境設備制御装置は、第１観点に係る環境設備制御装置であって、ユーザの心身状態は、ユーザの覚醒度である。

　ここで、覚醒度としては、特に限定されないが、例えば、ユーザの心拍の状態に基づいて定まるものであってもよいし、ユーザの表情に基づいて定まるものであってもよいし、ユーザの皮膚の温度に基づいて定まるものであってもよいし、ユーザの呼吸の単位時間当たりの回数に基づいて定まるものであってもよいし、ユーザの脳波に基づいて定まるものであってもよいし、これらの組み合わせに基づいて定まるものであってもよい。

　この環境設備制御装置では、ユーザの覚醒度を目標とする覚醒度の状態に近づけることが可能になる。

　第３観点に係る環境設備制御装置は、第１観点または第２観点に係る環境設備制御装置であって、学習制御計画出力手段は、ニューラルネットワークを用いた演算手段である。

　この環境設備制御装置では、ニューラルネットワークを用いて複数種類の制御変更計画を出力することが可能になる。

　第４観点に係る環境設備制御装置は、第１観点から第３観点のいずれかに係る環境設備制御装置であって、選択制御部は、学習制御計画出力手段によって出力された複数の制御変更計画から１つの制御変更計画を選択する場合に、複数種類の環境設備の組み合わせパターンをローテーションさせながら選択する。

　この環境設備制御装置では、複数種類の環境設備の組み合わせパターンをローテーションさせながら制御計画を選択して実行させることで、学習させることができる複数種類の環境設備の組み合わせパターンにバリエーションを持たせることが可能になり、学習効率を高めることが可能になる。

　第５観点に係る環境設備制御装置は、第１観点から第４観点のいずれかに係る環境設備制御装置であって、複数種類の環境設備には、少なくとも、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上が含まれる。

　この環境設備制御装置では、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上を用いてユーザの心身状態を目標とする状態に近づけることが可能になる。

　第６観点に係る環境設備制御装置は、第１観点から第５観点のいずれかに係る環境設備制御装置であって、学習制御計画出力手段は、学習が行われる前の初期の現状心身状態情報と環境状況情報と目標関係情報とに応じた複数種類の環境設備の組み合わせ毎の初期の制御変更計画を出力可能に有している。

　この環境設備制御装置では、学習制御計画出力手段が学習を行う前の段階であっても、学習が行われる前の初期の現状心身状態情報と環境状況情報と目標関係情報とに応じた複数種類の環境設備の組み合わせ毎の初期の制御変更計画を有しているため、迅速に複数種類の制御変更計画を出力することが可能になる。

　第１観点に係る環境設備制御装置では、制御内容の決定を迅速に行いつつ、学習によりユーザの心身状態を目標とする状態に近づける効率の高い制御変更計画を出力させて実行できるようになる。

　第２観点に係る環境設備制御装置では、ユーザの覚醒度を目標とする覚醒度の状態に近づけることが可能になる。

　第３観点に係る環境設備制御装置では、ニューラルネットワークを用いて複数種類の制御変更計画を出力することが可能になる。

　第４観点に係る環境設備制御装置では、学習させることができる複数種類の環境設備の組み合わせパターンにバリエーションを持たせることが可能になり、学習効率を高めることが可能になる。

　第５観点に係る環境設備制御装置では、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上を用いてユーザの心身状態を目標とする状態に近づけることが可能になる。

　第６観点に係る環境設備制御装置では、学習制御計画出力手段が学習を行う前の段階であっても、迅速に複数種類の制御変更計画を出力することが可能になる。

環境設備制御システムの全体の概略構成図である。環境設備制御装置のブロック構成図である。ユーザの覚醒度を１つ上げる際の複数種類の制御計画の例を示す表である。ユーザの覚醒度を１つ下げる際の複数種類の制御計画の例を示す表である。環境設備制御装置による処理のフローチャート（その１）である。環境設備制御装置による処理のフローチャート（その２）である。

　以下、一実施形態を例に挙げて環境設備制御装置が採用された環境設備制御システムを説明するが、本発明はこれに限定されるものではない。

　（１）環境設備制御システム全体の概略構成
　図１に、環境設備制御システム１の全体の概略構成図を示す。

　環境設備制御システム１は、複数種類の環境設備を用いることでユーザの心身状態である覚醒度を目標とする覚醒度に近づけるためのシステムである。

　環境設備制御システム１は、空気調和装置１０と、換気装置２０と、アロマディフューザ３０と、生体センサ４０と、リモコン５０と、環境設備制御装置１００と、を主として有している。これらの各機器は、互いに有線または無線により、互いに通信可能に接続されている。

　空気調和装置１０と、換気装置２０と、アロマディフューザ３０とは、互いに異なる種類の環境設備であり、ユーザの覚醒度をコントロールすることが可能な設備である。

　空気調和装置１０は、ユーザが存在している室内の温度を調節することが可能な装置であり、図示しない室外ユニットと室内ユニットとが接続されることで、圧縮機と凝縮器と膨張弁と蒸発器とが接続され冷凍サイクルを実行可能な冷媒回路を有している。空気調和装置１０は、室内の空気温度を検出する温度センサ１１と、室内の二酸化炭素の濃度を検出する二酸化炭素センサ１２と、を有している。

　換気装置２０は、ユーザが存在している室内の換気を行うことが可能な装置であり、ON/OFF制御により室内の換気を行うことで室内の二酸化炭素濃度を調節することができる。この換気装置２０は、送風ファンや換気ダクト等を有して構成されている。

　アロマディフューザ３０は、ユーザが存在している室内に対して所定の芳香剤を供給することが可能な装置であり、ON/OFF制御により室内の芳香濃度を調節することができる。芳香剤の種類は特に限定されず、ユーザの覚醒度に影響を与える芳香であることが好ましい。アロマディフューザ３０は、室内の芳香濃度を検出する香りセンサ３１を有している。

　生体センサ４０は、ユーザの覚醒度を把握するためのセンサであり、本実施形態においては、ユーザの心電図波形を検出する心電図波形センサ４１と、ユーザの表情を検出する表情カメラ４２と、を有している。心電図波形センサ４１は、ユーザの心臓付近に取り付けられることで用いられ、検出された心電図波形データを無線により環境設備制御装置１００等の周囲の機器に送信することが可能になっている。表情カメラ４２は、ユーザの顔の表情を撮影することが可能な室内の特定の位置に配置されており、検出された表情データを無線により環境設備制御装置１００等の周囲の機器に送信することが可能になっている。

　リモコン５０は、環境設備制御システム１において用いられるユーザからの各種入力データの受け付けを行う。また、リモコン５０は、空気調和装置１０、換気装置２０、アロマディフューザ３０の操作を行うことも可能に構成されている。また、リモコン５０は、ユーザからの目標とする覚醒度に関する情報の受付も行う。具体的には、リモコン５０は、ユーザがこれから行う作業の複雑度に関する情報の入力を受け付ける。作業の複雑度は、例えば複数段階に予め分けられたものであり、ユーザが選択する形式のものであってよい。一般に、人間は、単純な作業を行う場合には覚醒度が高いほど作業効率を高めることができ、複雑な作業を行う場合には覚醒度が高すぎるとかえって作業効率が悪くなることがある（Yerkes-Dodson法則）。すなわち、複雑な作業を行う場合には、最適な覚醒度が存在することになる。

　環境設備制御装置１００は、後述するように、リモコン５０がユーザからの入力を受け付けることで把握される目標とする覚醒度に、ユーザの覚醒度を近づけることができるように、各種環境設備の制御を行う装置である。

　（２）環境設備制御装置１００の構成
　図２に、環境設備制御装置１００の機能ブロック構成図を示す。

　環境設備制御装置１００は、各種情報を把握するための把握部６０と、各種データを格納しておくための記憶部７０と、各環境設備に実行させる制御計画を定める学習制御計画出力手段８０と、各環境設備の制御を実行する選択制御部９０と、を備えている。この環境設備制御装置１００は、生体センサ４０やリモコン５０からの情報を取得し、空気調和装置１０と換気装置２０とアロマディフューザ３０とを制御することが可能であり、１つまたは複数のCPU、ROM、RAMを有して構成されている。

　（２－１）把握部６０
　把握部６０は、温度把握部６１、二酸化炭素濃度把握部６２、芳香濃度把握部６３、現状覚醒度把握部６４、目標覚醒度把握部６５、目標覚醒度変化分把握部６６等を有しており、１または複数のCPUやRAM等によって構成されている。

　温度把握部６１は、空気調和装置１０の温度センサ１１が検出した値を通信により取得して、ユーザの存在している室内の気温として把握する。

　二酸化炭素濃度把握部６２は、空気調和装置１０の二酸化炭素センサ１２が検出した値を通信により取得して、ユーザの存在している室内の二酸化炭素濃度として把握する。

　芳香濃度把握部６３は、アロマディフューザ３０の香りセンサ３１が検出した値を通信により取得して、ユーザの存在している室内の芳香剤濃度として把握する。

　現状覚醒度把握部６４は、生体センサ４０としての心電図波形センサ４１と表情カメラ４２の各検出内容に基づいて、後述する記憶部７０に格納されている覚醒度対比データ部７１を参酌することにより、ユーザの現状の覚醒度（現状覚醒度）を把握する。

　目標覚醒度把握部６５は、リモコン５０が受け付けた作業の複雑度合いに応じて、目標とする覚醒度を把握する。具体的には、目標覚醒度把握部６５は、作業の複雑度が所定の基準複雑度よりも低い場合には予め定められた関係に従って複雑度が低いほど目標とする覚醒度が高くなるように、作業の複雑度が所定の基準複雑度以上である場合にはYerkes-Dodson法則に従った作業効率を高めることが可能な予め定められた覚醒度となるように、目標とする覚醒度（目標覚醒度）を把握する。

　目標覚醒度変化分把握部６６は、現状覚醒度把握部６４が把握した現状覚醒度と、目標覚醒度把握部６５が把握した目標覚醒度と、の差分としての目標覚醒度変化分（ΔA）を把握する。

　（２－２）記憶部７０
　記憶部７０は、覚醒度対比データ部７１、初期制御計画データ部７２、数学モデル係数データ部７３、学習データ蓄積部７５等を有しており、１または複数のROMやRAM等によって構成されている。

　覚醒度対比データ部７１は、上述したように、生体センサ４０としての心電図波形センサ４１と表情カメラ４２の各検出内容から、推定される覚醒度を把握するためのデータが予め格納されている。心電図波形と覚醒度との関係は公知の事項に基づいて定められている。また、表情カメラ４２から把握される情報は、ユーザ個人毎に撮影されることで予め定められた基準となる表情との違いに応じて、表情と覚醒度の公知の関係に基づいて覚醒度を把握するために用いられる。また、例えば、心電図波形センサ４１から把握される心電図波形に対応する覚醒度を、予め格納されている心電図波形と覚醒度との関係データを参照して特定し、さらに、表情カメラ４２から把握される表情と基準となる表情との違いに対応する覚醒度補正分を、予め格納されている表情の違いと覚醒度変化分との関係データを参照して取得し、取得した覚醒度補正分によって上記最初に特定した値を補正することで、ユーザの覚醒度を把握するようにしてもよい。

　初期制御計画データ部７２は、後述する学習制御計画出力手段８０の初期処理部８１による制御計画の特定の際に参酌されるデータであり、目標覚醒度変化分（ΔA）の値に応じて、各環境設備の制御計画の組み合わせである初期制御計画データが複数種類、予め定められている。

　具体的には、目標覚醒度変化分（ΔA）を実現させるための初期制御計画として、試験等から把握された平均的な制御計画が、目標覚醒度変化分（ΔA）毎に複数種類、予め定められて初期制御計画データ部７２に格納されている。

　例えば、目標覚醒度変化分（ΔA）が+１である場合の制御計画、すなわち、覚醒度を１度上げるための制御計画については、図３に示すように、空気調和装置１０と換気装置２０とアロマディフューザ３０との制御計画の組み合わせが複数種類格納されている。ここでは、覚醒度を１度上げるための制御計画の１つの例（制御計画A）として、空気調和装置１０の設定温度を２度下げつつ換気装置２０とアロマディフューザ３０をいずれもOFFの状態とすることが挙げられている。また、覚醒度を１度上げるための制御計画の別の１つの例（制御計画B）として、空気調和装置１０の設定温度を１度下げつつ換気装置２０をONの状態としアロマディフューザ３０をOFFの状態とすることが挙げられている。さらに、覚醒度を１度上げるための制御計画の別の１つの例（制御計画C）として、空気調和装置１０の設定温度を変更させることなく換気装置２０をONの状態とし、アロマディフューザ３０については覚醒度向上用の種類のアロマを用いてONの状態とすることが挙げられている。

　また、例えば、目標覚醒度変化分（ΔA）が－１である場合の制御計画、すなわち、覚醒度を１度下げるための制御計画については、図４に示すように、空気調和装置１０と換気装置２０とアロマディフューザ３０との制御計画の組み合わせが複数種類格納されている。ここでは、覚醒度を１度下げるための制御計画の１つの例（制御計画P）として、空気調和装置１０の設定温度を２度上げつつ換気装置２０とアロマディフューザ３０をいずれもOFFの状態とすることが挙げられている。また、覚醒度を１度下げるための制御計画の別の１つの例（制御計画Q）として、空気調和装置１０の設定温度を３度上げつつ換気装置２０をONの状態としつつアロマディフューザ３０をOFFの状態とすることが挙げられている。さらに、覚醒度を１度下げるための制御計画の別の１つの例（制御計画R）として、空気調和装置１０の設定温度を２度上げつつ換気装置２０をONの状態とし、アロマディフューザ３０については覚醒度低下用の種類のアロマを用いてONの状態とすることが挙げられている。

　以上のようにして、初期制御計画データ部７２には、目標覚醒度変化分（ΔA）毎に、複数の環境設備の組み合わせ毎の初期制御計画が格納されている。

　数学モデル係数データ部７３は、後述する学習制御計画出力手段８０のＮＮ処理部８２による制御計画の特定の際に用いられる数学モデルを定める際に参酌される数学モデルの係数のデータ（数学モデル係数データ）が格納されている。当該数学モデル係数データは、後述する学習制御計画出力手段８０のＮＮ処理部８２による制御計画実行結果を反映させるための学習が行われるたびに更新され、上書きされていく。

　学習データ蓄積部７５は、後述する学習制御計画出力手段８０の選択制御部９０が選択して実行した制御計画と、その時の各センサの計測値と、当該制御計画の実行を開始してから所定時間経過後（例えば１０分後）の、ユーザの覚醒度の変化量と、が対応付けられたデータである学習データが複数種類格納されている。この学習データは、後述する学習制御計画出力手段８０のＮＮ処理部８２が行う学習に用いられ、数学モデルの係数が更新されることになる。

　（２－３）学習制御計画出力手段８０
　学習制御計画出力手段８０は、初期処理部８１、ＮＮ処理部８２等を有しており、１または複数のCPUやRAM等によって構成されている。

　初期処理部８１は、把握部６０の目標覚醒度変化分把握部６６が把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを、記憶部７０の初期制御計画データ部７２に格納されている情報の中から探し出し、最終的に１つの制御計画の選択を行うために、複数の制御計画を出力する。この複数の制御計画の出力処理では、初期処理部８１は、各環境設備における制御内容がユーザの覚醒度に与える影響、効果や馴れに関する検討判断の処理は都度行わず、単純に、記憶部７０の初期制御計画データ部７２に格納されている情報の中から複数の制御計画を探し出す処理を行う。

　ＮＮ処理部８２は、把握部６０の温度把握部６１が把握した室内の気温と、二酸化炭素濃度把握部６２が把握した二酸化炭素濃度と、芳香濃度把握部６３が把握した芳香剤濃度と、現状覚醒度把握部６４が把握した現状覚醒度と、目標覚醒度変化分把握部６６が把握した目標覚醒度変化分（ΔA）と、が入力として用いられ、複数種類の制御計画が出力となる、複数のニューラルネットワーク（NN）の演算処理を行うように構成されている。ニューラルネットワークは、数学モデルを有している。ＮＮ処理部８２は、数学モデル係数データ部７３において随時更新されながら格納されている係数を用いて数学モデルを構築し、ニューラルネットワークの演算処理を行う。ＮＮ処理部８２は、このようにニューラルネットワークの演算処理を行うことで、室内の気温と二酸化炭素濃度と芳香剤濃度と現状覚醒度と目標覚醒度変化分（ΔA）とに応じて、ユーザを目標覚醒度に近づけることができる制御計画を複数種類出力する。ここで出力される複数種類の制御計画も、最終的に１つの制御計画を選択するために用いられる。また、この複数の制御計画の出力処理においても、ＮＮ処理部８２は、各環境設備における制御内容がユーザの覚醒度に与える影響、効果や馴れに関する検討判断の処理を都度行うことなく、入力された情報と上記数学モデルを用いること複数の制御計画を算出する処理を行う。

　（２－４）選択制御部９０
　選択制御部９０は、選択実行部９２等を有しており、１または複数のCPUやRAM等によって構成されている。

　選択実行部９２は、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中から１つの制御計画を選択し、実行する。ここで、選択実行部９２は、複数種類の制御計画の中からの１つの制御計画の選択をローテ―ションにより行う。特に限定されないが、本実施形態では、選択実行部９２は、予め定められた環境設備の組み合わせの順序にしたがって、制御計画の選択を行う。なお、選択実行部９２が制御計画を実行することにより、当該制御計画に応じた空気調和装置１０、換気装置２０、アロマディフューザ３０の各種制御が行われることになる。

　（３）環境設備制御装置１００による処理
　図５および図６に、環境設備制御装置１００による処理のフローチャートを示す。

　環境設備制御装置１００は、主として処理の前半では、より妥当な制御計画を出力可能なニューラルネットワークの数学モデルが得られるように、学習のサンプルデータを取得するための処理を行う。また、学習が行われた後は、学習によって得られた数学モデルを用いて制御計画の特定を行いながら、さらなる学習を続けていくという処理を行うことになる。以下、各処理の流れを説明する。

　ステップＳ１０では、把握部６０が各種情報を把握する。具体的には、目標覚醒度変化分（ΔA）を把握する。

　ステップＳ１１では、初期処理部８１が、ステップＳ１０で把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを、初期制御計画データ部７２に格納されている情報の中から探し出し、複数種類の制御計画を出力する。

　ステップＳ１２では、選択実行部９２が、初期処理部８１が出力した複数種類の制御計画の中から１つの制御計画を選択する。ここでは、選択実行部９２はローテーションによって１つの制御計画を選択する。

　ステップＳ１３では、選択実行部９２が、ステップＳ１２で選択した制御計画を実行し、空気調和装置１０、換気装置２０、アロマディフューザ３０の制御を行うことで、室内環境を変化させる。

　ステップＳ１４では、選択実行部９２が、ステップＳ１３における制御計画の開始から所定時間が経過したか否かを判断する。ここで、所定時間経過したと判断された場合にはステップＳ１５に移行し、経過していないと判断された場合には経過まで待機する。

　ステップＳ１５では、選択実行部９２が、ステップＳ１３による制御計画の実行前に現状覚醒度把握部６４が把握していた現状覚醒度と、ステップＳ１３による制御計画を所定時間の実行した後に現状覚醒度把握部６４が把握する現状覚醒度と、を比較して覚醒度の変化分を把握する。

　ステップＳ１６では、選択実行部９２が、ステップＳ１３で実行した制御計画の情報と、ステップＳ１５で把握した覚醒度の変化分と、を対応づけて、学習データ蓄積部７５に格納する。

　ステップＳ１７では、選択実行部９２は、学習データ蓄積部７５に格納されたデータの数（制御計画の情報と覚醒度の変化分との組の数）が所定数以上に至っているか否かを判断する。ここで、データ数が所定数以上となっていると判断された場合にはステップＳ１８に移行し（図５のAで示す箇所から図６のAで示す箇所に移る）、データ数が所定数未満であると判断された場合にはステップＳ１０に戻って上記処理を繰り返し、学習データの蓄積分を増やす。

　ステップＳ１８では、学習データ蓄積部７５に十分にデータがたまっているため、これらのデータを用いて、ＮＮ処理部８２が学習を行い、ニューラルネットワークの数学モデルの係数を作成または更新させる。具体的には、当該学習によってニューラルネットワークの数学モデルの係数を定めることで、ユーザがどのような覚醒度の状態で、どのような環境下において、どのように環境を変化させた場合に、ユーザの覚醒度がどのように変化するか、ということをＮＮ処理部８２が学習することになる。

　ステップＳ１９では、ＮＮ処理部８２が、ステップＳ１８で定めた数学モデルの係数を、数学モデル係数データ部７３に格納する（係数データを更新させる）。

　ステップＳ２０では、改めて、把握部６０が各種情報を把握する。具体的には、室内の気温と、二酸化炭素濃度と、芳香剤濃度と、現状覚醒度と、目標覚醒度変化分（ΔA）と、をそれぞれ把握する。

　ステップＳ２１では、ＮＮ処理部８２が、数学モデル係数データ部７３に格納されている係数データを用いてニューラルネットワークの数学モデルを構築する。そして、ＮＮ処理部８２は、室内の気温と二酸化炭素濃度と芳香剤濃度と現状覚醒度と目標覚醒度変化分（ΔA）とを入力として、ニューラルネットワークの演算処理を実行することで、ステップＳ２０で把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを複数種類出力する。

　ステップＳ２２では、選択実行部９２が、ＮＮ処理部８２が出力した複数種類の制御計画の中から１つの制御計画を選択する。ここでは、選択実行部９２はローテーションによって１つの制御計画を選択する。

　ステップＳ２３では、選択実行部９２が、ステップＳ２２で選択した制御計画を実行し、空気調和装置１０、換気装置２０、アロマディフューザ３０の制御を行うことで、室内環境を変化させる。

　ステップＳ２４では、選択実行部９２が、ステップＳ２３における制御計画の開始から所定時間が経過したか否かを判断する。ここで、所定時間経過したと判断された場合にはステップＳ２５に移行し、経過していないと判断された場合には経過まで待機する。なお、ここでの所定時間はステップＳ１４と同様である。

　ステップＳ２５では、選択実行部９２が、ステップＳ２３による制御計画の実行前に現状覚醒度把握部６４が把握していた現状覚醒度と、ステップＳ２３による制御計画を所定時間の実行した後に現状覚醒度把握部６４が把握する現状覚醒度と、を比較して覚醒度の変化分を把握する。

　ステップＳ２６では、選択実行部９２が、ステップＳ２３で実行した制御計画の情報と、ステップＳ２５で把握した覚醒度の変化分と、を対応づけて、学習データ蓄積部７５に格納する。

　ステップＳ２７では、選択実行部９２は、最後に学習を行った後に学習データ蓄積部７５に格納されたデータの数（制御計画の情報と覚醒度の変化分との組の数）が所定数以上に至っているか否かを判断する。ここで、データ数が所定数以上となっていると判断された場合にはステップＳ１８に移行して改めて学習を行う。また、データ数が所定数未満であると判断された場合にはステップＳ２０に戻って上記処理を繰り返し、学習データの蓄積分を増やす。

　（４）実施形態の特徴
　（４－１）
　本実施形態の環境設備制御装置１００は、初期処理部８１が初期制御計画データを参酌するだけで目標覚醒度変化分（ΔA）に応じた複数の制御計画を出力することができる。また、ＮＮ処理部８２は、数学モデル係数データを用いて構築される数学モデルを有しているニューラルネットワークの演算処理を実行するだけで、複数の制御計画を出力することができる。そして、このようにして出力された複数の制御計画は、各制御計画同士が比較検討されることなく、選択実行部９２によって単純なローテーションにしたがって１つの制御計画が選択され、実行される。

　したがって、１つの制御計画が選択されて実行されるまでの間に、各環境設備の制御によってユーザが受ける影響（覚醒度の影響）や効果についての検討判断するための演算処理が都度行われていないため、演算負荷を低減させて、迅速に１つの制御計画を選択して、実行することが可能になっている。したがって、ユーザが希望する覚醒度となるような各環境設備の制御をリアルタイムで行うことが可能になり、早期にユーザが希望する覚醒度を実現させることが可能になる。

　そして、環境設備制御装置１００は、実行した制御計画と、その制御計画を実行したことによるユーザの覚醒度の変化と、の組から構成される複数の学習データを用いて学習を行い、ニューラルネットワークの数学モデルの係数を更新させることで、環境設備の制御による効果や馴れを含めた結果としてユーザの覚醒度が変化する傾向が反映された数学モデルを構築させることが可能になる。以上により、学習を継続させるほど、ユーザの覚醒度の傾向が正確に反映された制御計画をニューラルネットワークの演算処理によって出力することが可能になる。

　（４－２）
　本実施形態の環境設備制御装置１００は、互いに異なる種類の環境設備である空気調和装置１０、換気装置２０、アロマディフューザ３０を、同じ指標である覚醒度を統一的に用いて制御することができている。すなわち、空気調和装置１０の制御の指標として温度を用いてアロマディフューザ３０の制御の指標として芳香濃度を用いる等というように環境設備毎に異なる指標を用いて制御を行うのではなく、各環境設備の制御において覚醒度という統一した指標を用いている。このため、各環境設備の制御を変更した場合において、異なる指標への影響を複雑に検討するのではなく、統一的な指標である覚醒度への影響をシンプルに検討することが可能になっている。

　また、各環境設備の制御において、温度や芳香濃度のようなユーザによって感覚が異なる指標を用いるのではなく、覚醒度という統一した指標を用いているため、ユーザ毎の感覚の相違を小さく抑えることが可能になっている。特に、上記実施形態では、覚醒度そのものだけではなく、覚醒度の変化量を含む学習データを用いて学習が行われ、ＮＮ処理部８２が有する数学モデルの係数として反映されている。したがって、ユーザ毎の覚醒度の変化の個人差も小さく抑えることが可能になっている。以上により、学習を所定量以上行ったＮＮ処理部８２が有する情報（係数を含む数学モデルの情報）は、汎用性の高い情報となっており、本実施形態の環境設備制御装置１００以外の他のユーザに対して用いられる装置においても、流用した場合にも一定の効果を得やすい。

　（４－３）
　本実施形態の環境設備制御装置１００では、各環境設備による複数種類の制御計画の中から、任意の１つが選択されて実行されている。特に、本実施形態では、特定の環境設備に特化した制御計画のみが選択されて実行され続けるのではなく、ローテーションによって任意の１つの制御計画が選択されて実行されている。

　したがって、制御計画が実行されることでユーザに与えられる環境変化は、温度変化等の特定の種類の環境変化だけに限られず、二酸化炭素濃度の変化や、芳香濃度の変化や、これらの変化の組合せ等の様々な環境変化を供給することができる。

　これにより、ユーザが同じ種類の環境変化の供給を受け続けることで、当該同じ種類の環境変化に対する覚醒度の変化が鈍化すること（例えば、環境変化として温度変化ばかりが続けて実行される場合にユーザが温度変化に慣れてくること）を小さく抑えることが可能になる。

　以上により、環境設備制御装置１００が制御計画を実行した場合のユーザの覚醒度の変化を十分に確保し続けることが可能になり、ユーザの覚醒度を十分に改善させることも可能となる。

　（４－４）
　本実施形態の環境設備制御装置１００では、リモコン５０が受け付けたユーザがこれから行う作業の複雑度に関する情報を用いて、目標とする覚醒度を把握している。

　ここで、作業の複雑度が基準複雑度以上である場合には、いたずらに高い目標覚醒度を設定するのではなく、予め定めた特定の覚醒度を目標覚醒度として設定している。

　このため、作業の複雑度が基準複雑度以上である場合において、ユーザの現状の覚醒度が予め定めた特定の目標覚醒度を超えた過剰な覚醒状態にある場合には、ユーザの覚醒度を積極的に低下させるような（積極的にリラックスさせるような）制御計画が環境設備制御装置１００によって選択されて実行されることになる。

　このように、環境設備制御装置１００では、ユーザが行う作業の複雑度に応じて、作業効率が良好となる覚醒度を実現させるための環境を提供することが可能になっている。

　（５）変形例
　上記実施形態では、本発明の実施形態の一例を説明したが、上記実施形態はなんら本願発明を限定する趣旨ではなく、上記実施形態には限られない。本願発明は、その趣旨を逸脱しない範囲で適宜変更した態様についても当然に含まれる。

　また、上記実施形態と以下に記載の複数の変形例は、互いに矛盾しないように適宜組合せるようにしてもよい。

　（５－１）変形例Ａ
　上記実施形態では、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画のうちの１つを、選択実行部９２が単純なローテーションにしたがって選択して実行する場合について例に挙げて説明した。

　しかし、例えば、選択実行部９２は、単純なローテーションにしたがって複数種類の制御計画の１つを選択するのではなく、先に選択して実行した制御計画とは関連性の希薄な制御計画を選択するようにしてもよい。ここで関係性が希薄であるか否かの判断は、特に限定されるものではなく、予め定めた判断基準に応じて判断するようにしてもよい。例えば、前回の制御計画でアロマディフューザ３０が使用されていない（ＯＦＦの状態としていた）場合には、続いて選択する制御計画ではアロマディフューザ３０が使用される（ＯＮの状態となる）制御計画を優先的に選択するようにしてもよい。

　このように、関係性が希薄な制御計画を選択して実行させることで、学習データとして大きく性質が異なるデータを集めることができるため、学習効率を高め、より迅速に、ユーザの覚醒度の傾向を反映した数学モデルを構築することができるようになる。

　（５－２）変形例Ｂ
　上記実施形態では、生体センサ４０としての心電図波形センサ４１と表情カメラ４２の各検出内容に基づいて、ユーザの心身状態の一例である覚醒度を推定する場合を例に挙げて説明した。

　これに対して、ユーザの心身状態としては、これに限られず、例えば、ユーザの眠気度合い、緊張度合い、発汗度合い、自律神経バランス等の各種情報を用いることができる。なお、これらのユーザの眠気度合いや、緊張度合い、発汗度合い、自律神経バランスの測定や推測は、公知の技術を用いて行うことができる。

　なお、ユーザの心身状態として自律神経バランスを管理評価対象とする場合には、心拍のパターンまたは脈拍のパターンに基づいて算出される交感神経活動度指標（ＬＦ／ＨＦ比）を用いることができる。交感神経活動度指標（ＬＦ／ＨＦ）は、公知の測定装置をユーザに用いることで把握できる。ユーザの心身状態として交感神経活動度指標（ＬＦ／ＨＦ）を用いる場合には、ユーザの交感神経に関する状態として信頼性の高い値を把握することが可能になると共に、当該指標は公知の測定装置を用いて即時把握することが可能なものであるため、ユーザの交感神経活動度指標（ＬＦ／ＨＦ）に応じた環境設備のリアルタイムな制御が可能となる。

　なお、これらの指標は、上記実施形態に記載の例だけでなく各変形例等に記載の例においてもユーザの心身状態を示す指標として用いることができる。

　（５－３）変形例Ｃ
　上記実施形態では、環境設備として空気調和装置１０、換気装置２０、アロマディフューザ３０を例に挙げて説明した。

　しかし、環境設備としては、これらに限られず、例えば、室内の照度を調整してユーザの覚醒度を変えるために照明装置を用いてもよいし、ユーザの覚醒度を変えるためにリズムの異なる複数種類の音楽を提供できるサウンドシステム（スピーカ等を含む）を用いてもよい。照明装置を用いる場合には、ユーザの覚醒度を向上させるために照度を上げ、ユーザの覚醒度を下げるために照度を下げる等の制御を行うことが挙げられる。また、サウンドシステムを用いる場合には、ユーザの覚醒度を向上させるためにテンポの速い音楽をながし、ユーザの覚醒度を下げるためにテンポの遅い音楽をながす等の制御を行うことが挙げられる。

　また、上記実施形態では、換気装置２０やアロマディフューザ３０は、単純にＯＮ/ＯＦＦ制御される場合を例に挙げて説明したが、換気装置２０については換気風量を制御できるものを用いて換気風量に応じたユーザの覚醒度の調整を行ってもよいし、アロマディフューザ３０については芳香剤の噴射量を制御できるものを用いて噴射量に応じたユーザの覚醒度の調整を行ってもよい。また、アロマディフューザ３０は、ユーザの覚醒度を向上させるための芳香と、ユーザの覚醒度を低下させるための芳香と、を有し、制御計画に応じてその少なくともいずれかを放出するように構成されていてもよい。特に限定されないが、覚醒度を上げるための芳香としては、レモンのアロマを用いることができ、覚醒度を下げるための芳香としては、セドロールを用いることができる。

　また、上記空気調和装置１０において、室内の湿度を制御可能とし、湿度制御によってユーザの覚醒度を調節するようにしてもよい。

　（５－４）変形例Ｄ
　上記実施形態では、環境設備制御装置１００による情報表示や音声出力等による報知については特に言及することなく任意である場合を例に挙げて説明した。

　これに対して、例えば、環境設備制御装置１００において、実行中の制御計画について、覚醒度を上げるための制御であるのか、覚醒度を下げるための制御であるのか、をユーザが視認可能な方法によって表示するようにしてもよいし、ユーザが聞き取り可能な方法によって音声出力するようにしてもよい。表示は、環境設備制御装置１００において、液晶等の表示ディスプレイを備えさせることで、文字情報または図形情報等を用いて表示することができる。また、環境設備制御装置１００において、スピーカを備えさせることで、音声を出力させることができる。これにより、希望するユーザに対して、自己に提供されている環境変化の方向性を認識させることができるため、ユーザに覚醒度改善の効果を認識させやすくすることができ、ユーザの納得感を高めることも可能となる。なお、覚醒度を上げるための制御であるのか覚醒度を下げるための制御であるのかの情報は、目標覚醒度変化分把握部６６が把握している情報を用いて把握することができる。

　また、環境設備制御装置１００において、これから実行される制御計画によって、自己の覚醒度がどれだけ変化することが予想されているかを示す情報、または、以前実行された制御計画によって自己の覚醒度がどれだけ変化したかを示す情報を、上記同様に、ディスプレイやスピーカによってユーザに報知するようにしてもよい。

　さらに、これから行う作業の複雑度が基準複雑度以上である場合には、最適な覚醒度が存在することになるが、現在の覚醒度と最適な覚醒度との両方の情報またはその差分をユーザに報知するようにしてもよい。

　また、環境設備制御装置１００が１人のユーザに対して用いられている場合には、当該１人のユーザに関する上述した事項を報知するようにしてもよいし、環境設備制御装置１００が同一空間に存在している複数人のグループに対して用いられている場合には、当該複数人のユーザに関する上述した事項の平均値を報知するようにしてもよい。なお、基準複雑度以上の作業を複数人で行っている場合には、各人の覚醒度の頻度分布を表示するようにしてもよい。

　また、環境設備制御装置１００によって覚醒度が制御される場合の生産性の向上度合いに関する情報と、当該制御が行われることなく所定の環境条件が一定に維持されるように制御される場合の生産性の向上度合いに関する情報と、の比較結果を報知するようにしてもよい。ここで、生産性の評価としては、特に限定されないが、作業内容に応じて生産性が高いとされる覚醒度に近い状態である時間が長いほど生産性が高いと評価してもよい。また、単純作業における単位時間当たりの処理量等のように、実際の生産性の評価手法が存在する場合には、当該実際の処理結果を用いて生産性を評価するようにしてもよい。

　（５－５）変形例Ｅ
　上記実施形態では、目標覚醒度変化分を実現させるための制御計画を学習する学習アルゴリズムとしてニューラルネットワークを用いる場合を例に挙げて説明した。

　これに対して、学習アルゴリズムとしては、ニューラルネットワークに限られず、例えば、ディープラーニング、サポートベクターマシン、ベイズ推定等の公知の学習アルゴリズムを用いるようにしてもよい。

　（６）その他
　上記実施形態では、ユーザの心身状態を表す指標として覚醒度を用い、生体センサ４０を介してユーザから得られる情報を用いて覚醒度を推定することで、目標となる覚醒度を実現するために環境設備の制御を行う場合を例に挙げて説明した。

　これに対して、ユーザの生産性を客観的に示すことができる場合には、環境設備の制御を行う際の指標として覚醒度等のユーザの心身状態を示す指標を用いる代わりに、ユーザの生産性を数値化させたものを用いるようにしてもよい。

　ここで、ユーザの生産性を数値化させたものとしては、特に限定されないが、例えば、情報入力作業を行うユーザにおける単位時間当たりの入力情報量、学習塾の生徒であるユーザにおけるテストの点数、ユーザであるプログラマーの単位時間当たりの作成プログラム量（プログラム行数等）、ユーザであるコールセンターの担当員における単位時間当たりの対応人数等を挙げることができる。

　このような生産性を数値化したものを指標として用いる場合においても、上記実施形態における覚醒度の代わりに、生産性を数値化したものを用いることによって同様の効果を得ることが可能である。すなわち、現状の生産性と目標とする生産性との差分を実現するような環境設備の制御計画を選択して実行し、学習させることで、上記実施形態と同様の効果を得ることが可能になる。

　　１　環境設備制御装置
　１０　空気調和装置（環境設備、温度を調節する装置、湿度を調節する装置）
　２０　換気装置（環境設備、二酸化炭素濃度を調節する装置）
　３０　アロマディフューザ（環境設備、芳香を提供する装置）
　４０　生体センサ
　４１　心電図波形センサ
　４２　表情カメラ
　５０　リモコン
　６０　把握部
　６１　温度把握部（把握部）
　６２　二酸化炭素濃度把握部（把握部）
　６３　芳香濃度把握部（把握部）
　６４　現状覚醒度把握部（把握部）
　６５　目標覚醒度把握部（把握部）
　６６　目標覚醒度変化分把握部（把握部）
　７０　記憶部
　７１　覚醒度対比データ部
　７２　初期制御計画データ部
　７３　数学モデル係数データ部
　７５　学習データ蓄積部
　８０　学習制御計画出力手段
　８１　初期処理部（学習制御計画出力手段）
　８２　ＮＮ処理部（学習制御計画出力手段）
　９０　選択制御部
　９２　選択実行部（選択制御部）
１００　環境設備制御装置

特開２０１１－１０１７４６号公報

Claims

　複数種類の環境設備（１０、２０、３０）の制御を行うための環境設備制御装置（１）であって、
　ユーザの現状の心身状態に関する現状心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する把握部（６０、６１、６２、６３、６４、６６）と、
　前記現状心身状態情報と前記環境状況情報と前記目標関係情報とに応じて複数種類の前記環境設備の組み合わせ毎の制御変更計画を出力する学習制御計画出力手段（８０、８１、８２）と、
　前記学習制御計画出力手段によって出力された複数の前記制御変更計画から所定条件に基づいて１つの前記制御変更計画を選択して実行する選択制御部（９０、９２）と、
を備え、
　前記学習制御計画出力手段は、前記選択制御部が選択した前記制御変更計画を実行することによって変化した前記ユーザの心身状態を用いて、前記出力させる前記制御変更計画の特定方法を更新させるように学習する、
環境設備制御装置（１）。
　前記ユーザの心身状態は、前記ユーザの覚醒度である、
請求項１に記載の環境設備制御装置。
　前記学習制御計画出力手段（８２）は、ニューラルネットワークを用いた演算手段である、
請求項１または２に記載の環境設備制御装置。
　前記選択制御部（９０）は、前記学習制御計画出力手段によって出力された複数の前記制御変更計画から１つの前記制御変更計画を選択する場合に、複数種類の前記環境設備の組み合わせパターンをローテーションさせながら選択する、
請求項１から３のいずれか１項に記載の環境設備制御装置。
　前記複数種類の環境設備には、少なくとも、温度を調節する装置（１０）、湿度を調節する装置（１０）、二酸化炭素濃度を調節する装置（２０）、芳香を提供する装置（３０）、照明を調整する装置、音響を調整する装置の少なくともいずれか２つ以上が含まれる、
請求項１から４のいずれか１項に記載の環境設備制御装置。
　前記学習制御計画出力手段は、前記学習が行われる前の初期の前記現状心身状態情報と前記環境状況情報と前記目標関係情報とに応じた複数種類の前記環境設備の組み合わせ毎の初期の制御変更計画を出力可能に有している、
請求項１から５のいずれか１項に記載の環境設備制御装置。