特開 2024-91049 制御装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024091049

(43)【公開日】2024-07-04

(54)【発明の名称】制御装置

(51)【国際特許分類】

   F24F 11/64 20180101AFI20240627BHJP

   F24F 11/70 20180101ALI20240627BHJP

   F24F 11/62 20180101ALI20240627BHJP

   F24F 11/61 20180101ALI20240627BHJP

   G06T 7/00 20170101ALI20240627BHJP

   F24F 120/14 20180101ALN20240627BHJP

   F24F 120/00 20180101ALN20240627BHJP

【ＦＩ】

F24F11/64

F24F11/70

F24F11/62

F24F11/61

G06T7/00 350B

F24F120:14

F24F120:00

【審査請求】未請求

【請求項の数】4

【出願形態】ＯＬ

(21)【出願番号】P 2022207330

(22)【出願日】2022-12-23

(71)【出願人】

【識別番号】593063161

【氏名又は名称】株式会社ＮＴＴファシリティーズ

(74)【代理人】

【識別番号】110000578

【氏名又は名称】名古屋国際弁理士法人

(72)【発明者】

【氏名】中満 達也

(72)【発明者】

【氏名】福光 超

(72)【発明者】

【氏名】河野 千怜

(72)【発明者】

【氏名】笹倉 康佑

【テーマコード（参考）】

3L260

5L096

【Ｆターム（参考）】

3L260BA02

3L260BA41

3L260BA73

3L260CA07

3L260DA11

3L260EA02

3L260EA07

3L260EA22

3L260FA01

3L260FB01

3L260HA06

5L096AA06

5L096BA02

5L096CA02

5L096DA02

5L096HA11

5L096KA04

(57)【要約】

【課題】 設定器までの移動および操作の煩わしさを抑制し、意図しない設定調整を抑制する制御装置を提供する。
【解決手段】 在館者９００を含む画像情報を取得する取得部１０１と、在館者９００の温冷感に起因する動作Ａに基づいて温冷感を推定するために機械学習を行った学習済の第１学習モデルに、画像情報を入力することで温冷感を推定する第１推定部１０９と、在館者９００が行う温冷感を示すイベントＢには基づいて温冷感を推定するために機械学習を行った学習済の第２学習モデルに、画像情報を入力することで温冷感を推定する第２推定部１０７と、第１推定部１０９および第２推定部１０７により温冷感が推定され、かつ、同じ温冷感である場合に、空調装置５００の制御に用いられる第１設定値を求める際に用いられる第２設定値であって温冷感に基づく第２設定値を変更する算出部と、が設けられたことを特徴とする。
【選択図】 図１

【特許請求の範囲】

【請求項1】

空調装置を制御する制御装置であって、
在館者を含む画像を撮影するカメラ部から画像情報を取得する取得部と、
前記在館者の温冷感に起因する動作に基づいて前記在館者の温冷感を推定するために機械学習を行った学習済の第１学習モデルに、前記取得部が取得した前記画像情報を入力することで前記在館者の温冷感を推定する第１推定部と、
前記在館者が行う温冷感を示すイベントには基づいて前記在館者の温冷感を推定するために機械学習を行った学習済の第２学習モデルに、前記取得部が取得した前記画像情報を入力することで前記在館者の温冷感を推定する第２推定部と、
前記第１推定部および前記第２推定部により前記在館者の温冷感が推定され、かつ、前記第１推定部により推定された温冷感および前記第２推定部により推定された温冷感が同じ場合に、前記空調装置の制御に用いられる第１設定値を求める際に用いられる第２設定値であって前記在館者の温冷感に基づく前記第２設定値を変更する算出部と、
が設けられたことを特徴とする制御装置。

【請求項2】

前記第１推定部が前記温冷感を推定するタイミングおよび前記第２推定部が前記温冷感を推定するタイミングの間隔であって予め定められた長さの時間間隔である時間制限を記憶する記憶部が更に設けられ、
前記算出部は、前記第１推定部が前記温冷感を推定するタイミングおよび前記第２推定部が前記温冷感を推定するタイミングの間隔が前記時間制限以内である場合に、前記算出部は前記第２設定値を変更することをと特徴とする請求項１に記載された制御装置。

【請求項3】

前記時間制限の長さを変更する時間設定部が更に設けられ、
前記記憶部は前記時間設定部により変更された前記時間制限を記憶することを特徴とする請求項２に記載された制御装置。

【請求項4】

前記第１学習モデルは前記在館者の温冷感に起因する動作の種類に基づいて重み付け係数が付された前記在館者の温冷感を推定するための機械学習が行われ、
前記算出部は、更に、推定された前記在館者の温冷感に付された前記重み付け係数に基づいて前記第２設定値を変更することを特徴とする請求項１に記載された制御装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、制御装置に関する。

【背景技術】

【0002】

オフィスに設けられた空調装置を設定調整する方法として、共用部である壁面に取り付けられた設定器を用いて設定調整する方法が知られている。共用部である壁面に設定器を取り付けることで、在館者の誰でも設定調整できるようにすることができる。

【0003】

また、上述の設定調整する方法の他に、カメラに向かって予め定めた所定の動作を行うことで、設定器と離れた自席から空調装置を設定調整する方法（例えば、特許文献１参照。）や、カメラ画像を用いて在館者の着衣量や活動量を把握し、着衣量や活動量に基づいて空調装置を自動で設定調整する方法も知られている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２２－０６２３０２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

上述のような、壁面に取り付けられた設定器で設定調整する場合には、設定器までの移動や操作が煩わしく、また、特定の在館者によって設定調整される場合は、調整頻度が少なくなりがちで、無駄な空調コストが発生するといった問題があった。

【0006】

また上述のように、カメラおよびカメラ画像を用いて空調装置を設定調整する場合には、在館者は意図しないうちに、予め定めた所定の動作および着衣を変化させる動作を行い、その動作をカメラおよびカメラ画像に把握されることがある。その場合、在館者が意図していない設定調整が行われるといった問題があった。

【0007】

本発明は、上述の課題を解決するためになされたものであって、設定器までの移動および操作の煩わしさを抑制するとともに、在館者の意図しない設定調整を抑制する制御装置を提供することを目的とする。

【課題を解決するための手段】

【0008】

上記目的を達成するために、本発明は、以下の手段を提供する。
本発明の一態様に係る制御装置は、空調装置を制御する制御装置であって、在館者を含む画像を撮影するカメラ部から画像情報を取得する取得部と、前記在館者の温冷感に起因する動作に基づいて前記在館者の温冷感を推定するために機械学習を行った学習済の第１学習モデルに、前記取得部が取得した前記画像情報を入力することで前記在館者の温冷感を推定する第１推定部と、前記在館者が行う温冷感を示すイベントには基づいて前記在館者の温冷感を推定するために機械学習を行った学習済の第２学習モデルに、前記取得部が取得した前記画像情報を入力することで前記在館者の温冷感を推定する第２推定部と、前記第１推定部および前記第２推定部により前記在館者の温冷感が推定され、かつ、前記第１推定部により推定された温冷感および前記第２推定部により推定された温冷感が同じ場合に、前記空調装置の制御に用いられる第１設定値を求める際に用いられる第２設定値であって前記在館者の温冷感に基づく前記第２設定値を変更する算出部と、が設けられたことを特徴とする。

【0009】

本発明の一態様に係る制御装置によれば、第１推定部および第２推定部によりそれぞれ在館者の温冷感が推定し、かつ、第１推定部および第２推定部により推定された温冷感が同じ場合に第２設定値が変更される。言い換えると、第１推定部および第２推定部の一方のみで在館者の温冷感が推定された場合や、第１推定部および第２推定部により推定された温冷感が異なる場合には第２設定値は変更されない。

【0010】

取得部が取得した画像情報に在館者の温冷感に起因する動作（以後、温冷感に起因する動作とも記載する。）が含まれていた場合に、第１推定部は第１学習モデルを用いて在館者の温冷感を推定する。

【0011】

また、取得部が取得した画像情報に、第２学習モデルに学習済の在館者が行う温冷感を示すイベント（以後、イベントとも記載する。）が含まれていた場合に、第２推定部は、第２学習モデルを用いて在館者の温冷感を推定する。

【0012】

異なる学習モデルにより、在館者の温冷感が推定され、かつ、推定された温冷感が同じ場合に第２設定値が変更される。
例えば、在館者が暑いと感じる場合には、空調装置の第１設定値の温度が低くなるように第２設定値が変更され、在館者が寒いと感じる場合には、空調装置の第１設定値の温度が高くなるように第２設定値が変更される。

【0013】

温冷感に起因する動作とは、在館者が温冷感に応じて行う動作であり、後述するイベントとは温冷感を伝達する意思がない点において異なる動作である。温冷感に起因する動作には、感じている暑さや寒さを緩和する動作、および、暑いまたは寒いと感じた場合の生体反応に基づく動作が含まれる。暑いと感じる場合に起因する動作には、長袖から半袖に着衣を変化させる動作、着衣を脱ぐ動作、額の汗を拭う動作、手や扇子で仰ぐ動作、頭を触る動作、および、関節を伸ばす動作が含まれる。

【0014】

寒いと感じる場合に起因する動作には、半袖から長袖に着衣量を変化させる動作、服を羽織る動作、息で手を温める動作、体が震える動作、および、シャツのボタンを留める動作が含まれる。

【0015】

イベントは、在館者が温冷感を伝達するために意識的に表現する行為であり、上述の温冷感に起因する動作とは、感じている暑さや寒さを緩和する動作とは関係のない動作であり、生体反応に基づく動作とも関係ない動作である点において異なる行為である。イベントには、温冷感と紐づけされた特定のジェスチャーをおこなうこと、または、温冷感に紐づけされた特定の物体を表示することが含まれる。

【0016】

特定のジェスチャーは、暑いと感じる場合には右手を上げ、寒いと感じる場合には左手をあげる動作が含まれる。
温冷感に紐づけされた特定の物体は、暑いと感じる場合には暑いと記載された赤色のカードを表示し、寒いと感じる場合には寒いと記載された青色のカードを表示することが含まれる。

【0017】

上記発明の一態様においては、前記第１推定部が前記温冷感を推定するタイミングおよび前記第２推定部が前記温冷感を推定するタイミングの間隔であって予め定められた長さの時間間隔である時間制限を記憶する記憶部が更に設けられ、前記算出部は、前記第１推定部が前記温冷感を推定するタイミングおよび前記第２推定部が前記温冷感を推定するタイミングの間隔が前記時間制限以内である場合に、前記算出部は前記第２設定値を変更することが好ましい。

【0018】

このように時間制限を記憶した記憶部を設けることで、時間制限以内に、第１推定部および第２推定部によりそれぞれ在館者の温冷感が推定し、かつ、第１推定部および第２推定部により推定された温冷感が同じ場合に第２設定値が変更される。

【0019】

言い換えると、第１推定部が温冷感を推定するタイミングおよび第２推定部が温冷感を推定するタイミングの間隔が時間制限を超える場合には、第１推定部および第２推定部により推定された温冷感が同じであっても第２設定値は変更されない。

【0020】

上記発明の一態様においては、前記時間制限の長さを変更する時間設定部が更に設けられ、前記記憶部は前記時間設定部により変更された前記時間制限を記憶することが好ましい。

【0021】

このように時間設定部を設けることにより、時間制限の長さを任意の長さに変更することができる。例えば、在館者の行動に応じて誤操作が更に少なくなる時間の長さに時間制限の長さを調整可能となる。

【0022】

上記発明の一態様において、前記第１学習モデルは前記在館者の温冷感に起因する動作の種類に基づいて重み付け係数が付された前記在館者の温冷感を推定するための機械学習が行われ、前記算出部は、更に、推定された前記在館者の温冷感に付された前記重み付け係数に基づいて前記第２設定値を変更することが好ましい。

【0023】

このように、第１学習モデルに対して在館者の温冷感に起因する動作の種類に基づいて重み付け係数が付された在館者の温冷感を推定するための機械学習をすることで、温冷感に起因する動作の種類ごとに温冷感の度合を推定することが可能となる。

【0024】

温冷感の度合いは、重み付け係数に関連する。例えば、重み付け係数の値が大きくなるに伴い、温冷感の度合いが大きくなる。言い換えると、重み付け係数の値が大きくなるに伴い、感じる暑さの程度が大きくなる、または、感じる寒さの程度がより寒くなる。

【0025】

例えば額の汗を拭う動作に対しては、一番大きな重み付け係数が付けられる。腕まくりにより長袖から半袖へ着衣を変化させる動作に対しては、二番目に大きな重み付け係数が付けられる。この場合、額の汗を拭う動作が行われた場合には、在館者はとても暑いと感じていると推定される。腕まくりにより長袖から半袖へ着衣を変化させる動作が行われた場合には、在館者はやや暑いと感じていると推定される。

【0026】

また、体が震える動作に対しては、一番大きな重み付け係数が付けられる。半袖から長袖へ着衣を変化させる動作に対しては、二番目に大きな重み付け係数が付けられる。この場合、体が震える動作が行われた場合には、在館者はとても寒いと感じていると推定される。半袖から長袖へ着衣を変化させる動作が行われた場合には、在館者はやや寒いと感じていると推定される。

【発明の効果】

【0027】

本発明の制御装置によれば、温冷感に起因する動作とイベントから在館者の温冷感を推定するため、設定器までの移動および操作の煩わしさを抑制するとともに、在館者の意図しない設定調整を抑制しやすくなるという効果を奏する。

【図面の簡単な説明】

【0028】

【図1】第１実施形態の制御装置の構成を説明するブロック図である。

【図2】目標設定部が算出した設定値に基づいて、空調装置の設定を変更する処理を説明するフローチャートである。

【図3】算出部が算出した設定値に基づいて、空調装置の設定を変更する処理を説明するフローチャートである。

【図4】温冷感に起因する動作を説明する模式図である。

【図5】身振りで暑いを示すイベントを説明する模式図である。

【図6】身振りで寒いを示すイベントの一例を説明する模式図である。

【図7】カードで暑いを示すイベントを説明する模式図である。

【図8】カードで寒いを示すイベントを説明する模式図である。

【図9】第２実施形態の制御装置の構成を説明するブロック図である。

【図10】第２実施形態の制御装置の処理を説明するフローチャートである。

【図11】第３実施形態の制御装置の構成を説明するブロック図である。

【図12】第３実施形態の制御装置の処理を説明するフローチャートである。

【発明を実施するための形態】

【0029】

〔第１の実施形態〕
この発明の第１の実施形態に係る制御装置１００について説明する。本実施形態の制御装置１００は、建物に設置された空調装置５００を操作するための装置である。

【0030】

空調装置５００は、建物の室内の空気を吸入して冷却し、冷却した空気を建物の室内に供給する構成を有する。具体的には、図示しない室外機との間で冷媒を循環させることにより空気と冷媒との間で熱交換を行い、空気を冷却する構成を有する。室外機は、空気から熱を奪った冷媒が熱を外気に放出する構成を有する。

【0031】

空調装置５００には、熱交換により吸入した空気を冷却する熱交換部（図示しない。）と、熱交換した空気を送り出す空調機ファン（図示しない。）と、が設けられている。熱交換部や空調機ファンは、公知の構成を有するものが使用される。

【0032】

空調装置５００は、オフィスに設置されていることが好ましい。なお、空調装置５００はオフィス以外の建築物に設置されてもよい。例えば、住宅や学校の教室に設置されてもよい。また、空調装置５００は建築物以外の交通手段などに設置されてもよい。

【0033】

制御装置１００は、図１に示すように、ＣＰＵ（中央演算処理ユニット）、ＲＯＭ、ＲＡＭ、入出力インタフェース等を有するサーバやコンピュータ等の情報処理装置である。制御装置１００は、複数の空調装置５００と、情報通信可能に接続されている。情報処理装置は、サーバやパーソナルコンピュータ（ＰＣとも表記する。）などの情報処理機器である。制御装置１００が、接続される空調装置５００の台数は１台でもよいし、複数台と接続されてもよい。

【0034】

制御装置１００は、ＲＯＭ等には、ＣＰＵ、ＲＯＭ、ＲＡＭ、入出力インタフェースを協働させて、少なくとも取得部１０１、記憶部１０２、着衣量演算部１０３、代謝量演算部１０４、第１演算部１０５、選定部１０６、第２演算部１０７、目標設定部１０８、第１推定部１０９、第２推定部１１０、算出部１１１、制御部１１２、および、画像判定部１１３として機能させるプログラムが記憶されている。

【0035】

取得部１０１は、後述する撮影装置３００と撮影した画像情報を通信取得可能に接続されている。取得部１０１は、環境情報、および、撮影装置３００が撮影した在館者９００を含む画像情報を取得する機能を有する。

【0036】

環境情報とは、制御対象であるオフィスの室内温度、湿度、気流速度、および、放射温度が含まれた情報のことである。室内温度と湿度の取得には、温湿度計を用いてもよい。
気流速度の取得には、風速計を用いてもよい。放射温度の測定には放射温度計を用いてもよい。なお、各環境情報の取得手段には、公知の技術を用いてもよい。

【0037】

在館者９００を含む画像情報には、在館者９００の温冷感を推定するための情報が含まれることが好ましい。具体的には、在館者９００の着衣量、在館者９００の活動量、在館者９００の表面温度情報、温冷感に起因する動作Ａ、および、イベントＢの画像情報が含まれることが好ましい。

【0038】

着衣量とは、在館者９００の着衣している服の種類や枚数を示したパラメータである。例えば、在館者９００の着衣している衣服の袖の長さと上着の枚数を示す。
活動量とは、在館者９００の運動強度に関するパラメータのことであり、就寝時の運動量を基準にして様々な運動量を数値化したパラメータのことである。例えば、安静に座ったままの時は１ＭＥＴとなり、平地を普通に歩いているときは、４ＭＥＴｓとなる。このＭＥＴの数字が大きくなるほど、活動量が多いことを示している。

【0039】

表面温度情報とは、在館者９００の外表面の温度の情報である。表面温度情報の取得手段には、サーモカメラ等の公知の技術を用いてもよい。
図４と図５とで示すように、温冷感に起因する動作Ａとは、在館者９００が温冷感に応じて行う動作であり、図６、図７、および図８で示すようにイベントＢとは温冷感を伝達する意思がない点において異なる動作である。温冷感に起因する動作Ａは、在館者９００が感じている暑さや寒さを緩和する動作、および、暑いまたは寒いと感じた場合の生体反応に基づく動作が含まれる。

【0040】

具体的には、暑いと感じる場合に起因する動作には、長袖から半袖に着衣を変化させる動作、着衣を脱ぐ動作、額の汗を拭う動作、手や扇子で仰ぐ動作、頭を触る動作、および、関節を伸ばす動作が含まれる。

【0041】

寒いと感じる場合に起因する動作には、半袖から長袖に着衣量を変化させる動作、服を羽織る動作、息で手を温める動作、体が震える動作、および、シャツのボタンを留める動作が含まれる。

【0042】

イベントＢは、在館者９００が温冷感を伝達するために意識的に表現する行為であり、上述の温冷感に起因する動作Ａとは、感じている暑さや寒さを緩和する動作とは関係のない動作であり、生体反応に基づく動作とも関係ない動作である点において異なる行為である。イベントＢには、温冷感と紐づけされた特定のジェスチャーをおこなうこと、または、温冷感に紐づけされた特定の物体を表示することが含まれる。

【0043】

特定のジェスチャーは、暑いと感じる場合には右手を上げ、寒いと感じる場合には左手をあげる動作、および、暑いと感じる場合には手のひらを広げ、寒いと感じる場合には手のひらを閉じる動作が含まれる。

【0044】

温冷感に紐づけされた特定の物体は、暑いと感じる場合には暑いと記載された赤色のカードを表示し、寒いと感じる場合には寒いと記載された青色のカードを表示することが含まれる。

【0045】

記憶部１０２は、情報記憶媒体であって、在館者９００の温冷感を推定するための情報を記憶する機能を有する。記憶される情報には、取得部１０１が取得した情報、後述する選定部１０６が選定した代表者の情報、後述する第１演算部１０５が算出するＰＭＶ値、後述する第２演算部１０７が算出する平均ＰＭＶ値、後述する第１推定部１０９が推定した在館者９００の温冷感、後述する第２推定部１１０が推定した在館者の温冷感、後述す
る着衣量演算部１０３が着衣量を求めるために予め登録された情報、および、後述する代謝量演算部１０４が活動量を求めるための情報が含まれていることが好ましい。記憶部１０２はＳＤメモリーカードなどのフラッシュメモリであってもよいし、その他の形式の記録媒体であってもよい。

【0046】

着衣量演算部１０３は、取得部１０１が取得した在館者９００の着衣量の画像情報に基づいて、在館者９００の着衣量を求める機能を有する。なお、画像情報に複数の在館者９００が含まれる場合は、着衣量演算部１０３は在館者９００一人ごとに着衣量を求めることができる。着衣量演算部１０３における具体的な演算内容は後述にて説明する。

【0047】

代謝量演算部１０４は、取得部１０１が取得した在館者９００の表面温度情報に基づいて、在館者９００の表面温度を求めて、この在館者９００の表面温度に基づいて活動量を求める機能を有する。なお、画像情報に複数の在館者９００が含まれる場合は、代謝量演算部１０４は在館者９００一人ごとに活動量を求めることができる。

【0048】

選定部１０６は、取得部１０１が取得した画像情報に含まれる在館者９００の中から代表者を選定する機能を有する。選定部１０６における具体的な選定内容は後述する。
第１演算部１０５は、空調装置５００の制御に用いられる第１設定値を求める際に用いられる第２設定値であって、在館者９００の温冷感に基づく第２設定値を変更する機能を有する。なお、本実施形態では、第１設定値は、空調装置５００の設定値を具体例として説明し、第２設定値はＰＭＶ値を具体例として説明する。

【0049】

画像判定部１１３は、記憶部１０２に記憶された画像情報に、温冷感に起因する動作ＡおよびイベントＢが含まれているか判定する機能を有する。画像判定部１１３における具体的な判定する処理として、公知の判定処理を用いることができる。

【0050】

ＰＭＶ値とは、温度、湿度、放射温度、気流速度、着衣量、および、活動量の６つの要素を変数とした快適方程式により算出されるパラメータのことである。なお、ＰＭＶ値は、－３（寒い）～＋３（暑い）の範囲をとるが、ＰＭＶ値＝０の場合、統計的に約９５％の人が快適と感じ、ＰＭＶ値が＋０．５～－０．５の場合、統計的に約９０％の人が快適と感じる。このＰＭＶ値が所定の範囲内で収まるように、空調を制御することが好ましい。

【0051】

言い換えると、第１演算部１０５は、取得部１０１が取得した室内温度、湿度、気流速度、放射温度、代表者の着衣量、および、代表者の表面温度情報に基づいて、快適方程式を用いて選定部１０６が選定した代表者のＰＭＶ値を算出する機能を有する。

【0052】

第２演算部１０７は、第１演算部１０５が繰り返し算出した複数のＰＭＶ値の平均ＰＭＶ値を所定の時間ごとに算出する機能を有する。選定部１０６における具体的な演算内容は後述する。

【0053】

目標設定部１０８は、第２演算部１０７が算出した平均ＰＭＶ値に基づいて、空調装置５００の設定値を変更する信号を発信する機能を有する。言い換えると、目標設定部１０８は、制御装置１００とは離れた位置に設置される空調装置５００の設定値を変更する信号を発信できる。信号を発信する手段は、公知の技術を用いてもよい。

【0054】

算出部１１１は、後述する第１推定部１０９と後述する第２推定部１１０が推定した在館者９００の温冷感が同じ場合に、目標設定部１０８が変更した空調装置５００の設定を変更する信号を後述する制御部１１２に発信する機能を有する。言い換えると、算出部１１１は、制御装置１００とは離れた位置に設置される空調装置５００の設定値を変更する
信号を発信できる。信号を発信する手段は、公知の技術を用いてもよい。

【0055】

第１推定部１０９は、第１学習モデルに、取得部１０１が取得した温冷感に起因する動作Ａが含まれた画像情報を入力することで、在館者９００の温冷感を推定する機能を有する。

【0056】

第１学習モデルとは、在館者９００が温冷感に起因する動作Ａを行った場合に、在館者９００の温冷感を推定する機械学習を行った学習モデルである。機械学習は、公知の学習方法を用いることができる。

【0057】

第２推定部１１０は、第２学習モデルに、取得部１０１が取得したイベントＢが含まれた画像情報を入力することで、在館者９００の温冷感を推定する機能を有する。
第２学習モデルは、在館者９００がイベントＢを行った場合に、在館者９００の温冷感を推定する機械学習を行った学習モデルである。機械学習は、公知の学習方法を用いることができる。

【0058】

制御部１１２は、算出部１１１が発信した空調装置５００の設定を変更する信号を受信する。算出部１１１の発信した信号に基づいて、制御部１１２は空調装置５００の設定を変更する機能を有する。信号を受信する手段は、公知の技術を用いてもよい。

【0059】

撮影装置３００は、建物内に設置され、在館者９００を撮影する装置である。撮影装置３００は、カメラ部３０１と通信部３０２を有する。なお、撮影装置３００は建物内にある既存のカメラ機能を有するカメラを用いてもよいし、制御装置１００に組み込まれてもよいし、独立して構成されてもよい。本実施形態では、撮影装置３００は制御装置１００と独立して構成されている場合について説明する。

【0060】

カメラ部３０１は、在館者９００を含む建物内を撮影する機能およびその撮影した在館者９００の表面温度を撮影する機能を有する。カメラ部３０１は公知の撮影方法を用いることができる。

【0061】

通信部３０２は、カメラ部３０１が撮影した画像情報を、制御装置１００の取得部１０１に通信する機能を有する。通信する手段は、公知の技術を用いてもよい。例えば、有線による通信接続でもよいし、無線による通信であってもよい。

【0062】

次に、上記の構成の制御装置１００における動作について説明する。第１に、オフィスにおける空調装置５００の空気調和について説明し、第２に撮影装置３００における動作について説明し、第３に制御装置１００における制御について説明し、第４に学習モデルの学習について説明する。

【0063】

まず、空調装置５００は、空調ファンを回転させることにより、オフィスの室内の空気を空調装置５００の内部に吸入する。吸入する空気は、在館者９００から熱が放射された空気や、オフィスに設けられた電子機器から排出された空気である。

【0064】

吸入された空気は、熱交換部（図示しない。）において冷却される。具体的には、吸入された空気は、室外機（図示しない。）との間で循環する冷媒に熱を奪われて温度が低下する。熱を奪われた冷媒は室外機において熱を外気に放出する。熱を放出した冷媒は再び熱交換部において吸入された空気の熱を奪う。

【0065】

熱交換部において冷却された空気は、空調機ファン（図示しない。）によってオフィスの室内へ送り出される。オフィスの室内に送り出された空気は、ＰＭＶ値に基づいて在館
者９００が快適に過ごせる空気調和をおこなう。オフィスの室内に送り出された空気は、再び、空調装置５００に吸入される。

【0066】

次に、制御装置１００における制御について図２と図３を参照して説明する。まず、目標設定部１０８が空調装置５００の設定を変更する制御について、図２を参照して説明する。

【0067】

制御装置１００における制御が開始されると、取得部１０１は、撮影装置３００の通信部３０２から任意のタイミングで画像情報を取得する（Ｓ２）。取得する画像情報は、撮影装置３００のカメラ部３０１が撮影した在館者９００を含むオフィスの室内の画像情報である。画像情報には、複数の在館者９００が含まれてもよいし、一人の在館者９００が含まれてもよい。撮影された画像は、通信部３０２によって制御装置１００の取得部１０１に送信される。

【0068】

なお取得部１０１は、画像情報の取得とは別に、環境情報も取得する。環境情報を取得するタイミングは、画像情報の取得と同じタイミングであってもよいし、異なるタイミングであってもよい。

【0069】

取得部１０１が取得した画像情報と環境情報は、記憶部１０２に記憶される。また記憶部１０２には、予め衣服と着衣量を紐づけたデータと運動量と活動量を紐づけたデータが記憶される。記憶部１０２が記憶した画像情報に基づいて、着衣量演算部１０３は在館者９００の着衣量を算出し、代謝量演算部１０４は在館者９００の活動量を算出する（Ｓ３）。着衣量および活動量は、画像情報に含まれる在館者９００の全てに対して算出される。

【0070】

具体的には、着衣量演算部１０３は、画像情報に含まれる在館者９００の衣服を検出する。衣服が検出されると、着衣量演算部１０３は記憶部１０２に記憶された衣服のデータから、検出された衣服と対応する衣服のデータを求める。対応する衣服のデータが求められると、着衣量演算部１０３は対応する衣服と紐づけされた着衣量を在館者９００の着衣量として算出する。

【0071】

具体的には、代謝量演算部１０４は、画像情報に含まれる在館者９００の運動量を検出する。運動量が検出されると、代謝量演算部１０４は記憶部１０２に記憶された運動量のデータから、検出された運動量と対応する運動量のデータを求める。対応する運動量が求められると、代謝量演算部１０４は対応する運動量と紐づけされた活動量を在館者９００の着衣量として算出する。

【0072】

選定部１０６は、記憶部１０２に記憶された画像情報に含まれる在館者９００から代表者を選定する（Ｓ４）。画像情報に含まれる在館者９００が一人の場合には、その在館者９００が代表者として想定される。画像情報に含まれる在館者９００が複数の場合には、次に説明する通りに選定される。

【0073】

選定部１０６は、着衣量演算部１０３により求められた着衣量に基づいて代表者を選定する。具体的には、選定部１０６は、求められた着衣量に基づいて在館者９００をグループ分けし、最も多くの在館者９００が所属するグループから一人の代表者を選定する。一人の代表者を選定する方法は、公知の選定方法を用いることができる。

【0074】

例えば、画像情報に長袖の衣服を着た在館者９００が三人と半袖の衣服を着た在館者９００が一人含まれていた場合には、多数グループである長袖の衣服を着た三人の在館者９００の中から代表者が一人選定される。選定部１０６によって選定された在館者９００の
着衣量および活動量は、代表者の着衣量および活動量として記憶部１０２に記憶される（Ｓ５）。

【0075】

代表者の着衣量および活動量が記憶されると、第１演算部１０５は、ＰＭＶ値を求める（Ｓ６）。具体的には、記憶部１０２に記憶された代表者の着衣量、代表者の活動量、画像情報、および、環境情報に基づいて、ＰＭＶ値を求める。ＰＭＶ値を求める演算処理の方法は、公知の方法を用いることができる。求められたＰＭＶ値は、記憶部１０２に記憶される。

【0076】

Ｓ６の処理が終了すると、予め決められた所定の時間ごとに、Ｓ２に戻り上述の処理を再び行う（ＲＥの場合）。制御装置１００における制御が開始されて最初のＳ６の処理が終了してから、予め決められた所定の時間よりも長い予め決められた別の所定の時間が経過した場合（ＧＯの場合）には、第２演算部１０７が平均ＰＭＶ値を算出する（Ｓ７）。また、直近のＳ７の処理に移行したＳ６の処理が終了したときから、予め決められた別の所定の時間が経過した場合（ＧＯの場合）にも、Ｓ６の処理からＳ７の処理に移行する。

【0077】

なお本実施形態では、予め決められた所定の時間は１０分であり、予め決められた別の所定の時間は３０分である例に適用して説明する。なお、予め決められた所定の時間は１０分よりも長くてもよいし、短くてもよい。予め決められた別の所定の時間は３０分よりも長くてもよいし、短くてもよい。

【0078】

第２演算部１０７は、別の所定の時間の間に記憶部１０２に記憶された複数のＰＭＶ値を取得し、取得した複数のＰＭＶ値に基づいて平均ＰＭＶ値を算出する。平均ＰＭＶ値は、複数のＰＭＶ値を足し合わせた値を、複数のＰＭＶ値の数で割った値である。言い換えると、まず、１０分間ごとに第１演算部１０５によって算出されたＰＭＶ値が、記憶部１０２に記憶される。第２演算部１０７は３０分に記憶された３つのＰＭＶ値に基づいて平均ＰＭＶ値を算出する。その後は、第１演算部１０５によって１０分間ごとにＰＭＶ値が算出されるたびに、第２演算部１０７は、直近３０分間の平均ＰＭＶ値を算出する。平均ＰＭＶ値は記憶部１０２に記憶される。

【0079】

記憶部１０２に記憶された平均ＰＭＶ値に基づいて、制御部１１２は空調装置５００の設定を変更する（Ｓ８）。具体的には、在館者９００が暑いと感じる場合には、算出された平均ＰＭＶ値が、＋０．５になるように、空調装置５００の設定を変更する。例えば、空調装置５００の設定温度を低くする変更を行う。在館者９００が寒いと感じる場合には、算出された平均ＰＭＶ値が、－０．５になるように、空調装置５００の設定を変更する。例えば、空調装置５００の設定温度を高くする変更を行う。空調装置５００の設定が変更された後は、再びＳ２に戻り上述の処理を繰り返し行う。

【0080】

次に算出部１１１が空調装置５００の設定を変更する制御について、図３を参照して説明する。なお、取得部１０１が画像情報を取得する処理と撮影装置３００の処理に関しては、図２で示す目標設定部１０８が空調装置５００の設定を変更する制御と同様ため説明を省略する。

【0081】

制御装置１００における制御が開始されると、取得部１０１は、撮影装置３００の通信部３０２から任意のタイミングで画像情報を取得する（Ｓ１１）。取得部１０１が取得した画像情報は記憶部１０２に記憶される。

【0082】

記憶部１０２に記憶された画像情報に、温冷感に起因する動作Ａが含まれているか、画像判定部１１３は判定する処理を行う（Ｓ１２）。温冷感を起因する動作Ａが含まれていた場合（ＹＥＳの場合）には、第１推定部１０９は在館者９００の温冷感を推定する（Ｓ
１３）。

【0083】

具体的には、第１推定部１０９は、Ｓ１１の処理にて記憶部１０２に記憶された画像情報を第１学習モデルに入力して、在館者９００の温冷感を推定する処理を行う。第１学習モデルは、温冷感に起因する動作Ａに基づいて在館者９００の温冷感を推定する機械学習を行った学習済のモデルである。第１学習モデルに対する機械学習については後述する。

【0084】

温冷感を起因する動作Ａが含まれてない場合（ＮＯの場合）には、後述するＳ２０の処理に移行する。
Ｓ１２の処理において、推定された在館者９００の温冷感（以下、第１温冷感とも表記する。）は、記憶部１０２に記憶される。記憶部１０２に第１温冷感が記憶された後、取得部１０１は画像情報を取得する（Ｓ１４）。取得した画像は、記憶部１０２に記憶される。

【0085】

記憶部１０２が記憶した画像情報に、イベントＢが含まれているか、画像判定部１１３は判定する処理を行う（Ｓ１５）。イベントＢが画像情報に含まれていた場合（ＹＥＳの場合）には、第２推定部１１０は在館者９００の温冷感を推定する（Ｓ１６）。

【0086】

具体的には、第２推定部１１０は、Ｓ１４の処理にて記憶部１０２に記憶された画像情報を第２学習モデルに入力して、在館者９００の温冷感を推定する処理を行う。第２学習モデルは、イベントＢに基づいて在館者９００の温冷感を推定する機械学習を行った学習済のモデルである。第２学習モデルに対する機械学習については後述する。なお、イベントＢが画像情報に含まれていない場合（ＮＯ１とＮＯ２の場合）の説明は、後述する。

【0087】

Ｓ１６の処理において、推定された在館者９００の温冷感（以下、第２温冷感とも表記する。）は、記憶部１０２に記憶される。第１温冷感と、第２温冷感が同様の温冷感の場合には、第１温冷感と第２温冷感に基づいて、算出部１１１はＰＭＶ値を変更する（Ｓ１７）。温冷感が同様とは、第１温冷感および第２温冷感がともに暑い温冷感である、または、寒い温冷感のことである。暑い温冷感の程度が異なっている場合や、寒い温冷感の程度が異なっている場合であっても、温冷感が同様であるとする。ＰＭＶ値を変更する演算処理の方法は、公知の方法を用いることができる。

【0088】

算出部１１１によって変更されたＰＭＶ値は記憶部１０２に記憶される。記憶部１０２に記憶されたＰＭＶ値に基づいて、制御部１１２は空調装置５００の設定を変更する（Ｓ１８）。その後、制御装置１００はＳ１１に戻り上述の処理を繰り返す。

【0089】

Ｓ１５の処理の際に、イベントＢが画像情報に含まれない場合、または、温冷感に起因する動作Ａから推定された温冷感と同様の温冷感を示すイベントＢが画像情報に含まれていない場合（ＮＯ１の場合）には、制御装置１００はＳ１４に戻り上述の処理を行う。Ｓ１５からＳ１４に戻る処理は、所定の時間の間行われる。

【0090】

所定の時間は、Ｓ１３の処理に続いて行われるＳ１４の処理にて画像を取得した時点から計測開始される。言い換えると、Ｓ１５から戻って行われるＳ１４の画像を取得する時点では、所定の時間の計測は開始されない。

【0091】

所定の時間の間、Ｓ１５からＳ１４に戻る処理が繰り返された場合（ＮＯ２の場合）には、制御装置１００はＳ２に戻り上述の処理を繰り返す。なお、本実施形態では、所定の時間が１分の場合を例にして説明する。また、所定の時間は、１分よりも長くてもよいし、短くてもよい。

【0092】

Ｓ１２の処理の際に、温冷感に起因する動作Ａが画像情報に含まれない場合（ＮＯの場合）には、取得部１０１は画像情報を取得する（Ｓ１９）。取得部１０１が取得した画像情報は記憶部１０２に記憶される。

【0093】

記憶部１０２に記憶された画像情報に、イベントＢが含まれているか画像判定部１１３は判定する処理を行う（Ｓ２０）。イベントＢが含まれていた場合（ＹＥＳの場合）には、第２推定部１１０は在館者９００の温冷感を推定する（Ｓ２１）。

【0094】

なお、第２推定部１１０が第２温冷感を推定する具体的な方法に関しては、Ｓ１６の処理にて第２推定部１１０が在館者９００の温冷感を推定する具体的な方法と同一のため説明を省略する。

【0095】

イベントＢが含まれていない場合（ＮＯの場合）には、制御装置１００はＳ１１に戻り上述の処理を行う。
Ｓ２１の処理において、推定された第２温冷感は、記憶部１０２に記憶される。記憶部１０２に第２温冷感が記憶された後、取得部１０１は画像情報を取得する（Ｓ２２）。取得した画像は、記憶部１０２に記憶される。

【0096】

記憶部１０２が記憶した画像情報に、温冷感が起因する動作Ａが含まれているか、画像判定部１１３は判定する処理を行う（Ｓ２３）。温冷感が起因する動作Ａが含まれている場合（ＹＥＳの場合）には、第１推定部１０９は在館者９００の温冷感を推定する（Ｓ２４）。

【0097】

なお、第１推定部１０９が第１温冷感を推定する具体的な方法に関しては、Ｓ１３の処理にて第１推定部１０９が在館者９００の温冷感を推定する具体的な方法と同一のため説明を省略する。また、温冷感に起因する動作Ａが画像情報に含まれていない場合（ＮＯ１とＮＯ２の場合）の説明は、後述する。

【0098】

Ｓ２４の処理において、推定された第１温冷感は、記憶部１０２に記憶される。第１温冷感と第２温冷感が同様の温冷感の場合には、第１温冷感と第２温冷感に基づいて、算出部１１１は、ＰＭＶ値を変更する（Ｓ２５）。

【0099】

算出部１１１によって変更されたＰＭＶ値を記憶部１０２に記憶される。記憶部１０２に記憶されたＰＭＶ値に基づいて、制御部１１２は空調装置５００の設定を変更する（Ｓ２６）。その後、制御装置１００はＳ２に戻り上述の処理を繰り返す。

【0100】

次に第１学習モデルおよび第２学習モデルの機械学習について説明する。
本実施形態では、制御装置１００とは異なる情報処理装置において第１学習モデルおよび第２学習モデルの機械学習を行う例に適用して説明する。機械学習が行われた第１学習モデルおよび第２学習モデルは、制御装置１００による制御が行われる前に記憶部１０２に記憶される。

【0101】

また、制御装置１００による制御が行われた後に、更に機械学習が行われた第１学習モデルおよび第２学習モデルが記憶部１０２に記憶されてもよい。この場合、先に記憶された第１学習モデルおよび第２学習モデルが、更に機械学習が行われた第１学習モデルおよび第２学習モデルに置き換えられる。

【0102】

なお、第１学習モデルおよび第２学習モデルの機械学習は、上述のように異なる情報処理装置において行われてもよいし、制御装置１００において行われてもよい。制御装置１００において機械学習が行われる場合には、制御装置１００に機械学習を行う機械学習部
が設けられる。また、異なる情報処理装置において第１学習モデルおよび第２学習モデルの一方に対する機械学習を行い、制御装置１００において他方に対する機械学習を行ってもよい。

【0103】

第１学習モデルの機械学習では、温冷感に起因する動作Ａが含まれる画像情報と、当該温冷感に起因する動作Ａに対応する暑い、寒いなどの温冷感と、が紐づけされた教師データ（ｔｒａｉｎｉｎｇ ｄａｔａとも表記する。）が用いられる。第２学習モデルの機械学習では、イベントＢが含まれる画像情報と、当該イベントＢに対応する暑い、寒いなどの温冷感と、が紐づけされた教師データが用いられる。

【0104】

第１学習モデルおよび第２学習モデルにおける具体的な機械学習については、公知の教師あり学習を用いることができ、教師あり学習における演算処理の具体的内容を限定するものではない。

【0105】

また、第１学習モデルの教師データ、および、第２学習モデルの教師データの作成方法についても、公知の作成方法を用いることができ、具体的な作成方法を限定するものではない。

【0106】

上記の構成の制御装置１００によれば、第１温冷感および第２温冷感が推定され、かつ、第１温冷感と第２温冷感が同じ場合に第２設定値が変更される。言い換えると、第１温冷感および第２温冷感の一方のみが推定された場合や、第１温冷感および第２温冷感とが異なる場合には第２設定値は変更されない。

【0107】

第１推定部１０９および第２推定部１１０により推定された第１温冷感および第２温冷感に基づいて、第２設定値および空調装置５００の制御が行われるため、設定器までの移動および操作の煩わしさを抑制するとともに、在館者９００の意図しない設定調整を抑制する制御装置１００を提供することができる。

【0108】

〔第２の実施形態〕
次に、本発明の第２の実施形態について、図９と図１０を参照し手説明する。本実施形態の制御装置１００Ａの基本構成は、第１の実施形態と同様であるが、第１の実施形態とは、記憶部１０２Ａ、算出部１１１Ａ、時間判定部１１４Ａ、および、時間設定部１１５Ａが異なる。よって、本実施形態においては、第１の実施形態と第２の実施形態と相違する構成のみ説明し、同じ構成の説明は省略する。

【0109】

第２実施形態の制御装置１００Ａには、図９に示すように、ＲＯＭ等には、ＣＰＵ、ＲＯＭ、ＲＡＭ、入出力インタフェースを協働させて、少なくとも取得部１０１、記憶部１０２Ａ、着衣量演算部１０３、代謝量演算部１０４、第１演算部１０５、選定部１０６、第２演算部１０７、目標設定部１０８、第１推定部１０９、第２推定部１１０、算出部１１１Ａ、制御部１１２、画像判定部１１３、時間判定部１１４Ａ、および、時間設定部１１５Ａとして機能させるプログラムが記憶されている。

【0110】

記憶部１０２Ａに記憶される基本情報には、実施形態１の記憶部１０２と同様の情報の他に、後述する時間制限が含まれる。
時間制限は、第１推定部１０９が第１温冷感を推定するタイミングおよび第２推定部１１０が第２温冷感を推定するタイミングの間隔であって、予め決められた所定の長さの時間間隔である時間制限である。

【0111】

言い換えると、時間制限は、第１温冷感および第２温冷感のいずれか一方の推定が開始されてから、他方の推定が開始されるまでの予め決められた所定の長さの時間間隔である
。また、時間制限は、１分よりも長くてもよいし、短くてもよい。

【0112】

時間判定部１１４Ａは、第１温冷感および第２温冷感のいずれか一方の推定が開始されてから、他方の推定が開始されるまでの時間間隔が、記憶部１０２Ａに記憶された時間制限以内に収まっているか判定する機能を有する。なお、時間制限以内に収まっているか判定する方法に関しては、公知の判定方法を用いることができる。

【0113】

算出部１１１Ａは、第１温冷感と第２温冷感が同じ温冷感の場合、および、第１推定部１０９が第１温冷感を推定するタイミングと第２推定部１１０が第２温冷感を推定するタイミングの間隔が、時間制限以内である場合、両方の場合に合致した際に、空調装置５００の設定を変更する信号を発信する機能を有する。

【0114】

時間設定部１１５Ａは、制御装置１００Ａによる制御で用いられる時間制限の値を変更する機能を有する。変更される制限時間の値は、制御装置１００Ａの外部から入力されてもよいし、記憶部１０２Ａに記憶された時間制限の複数の異なる値から選択された値であってもよい。例えば、時間設定部１１５Ａは、制御装置１００Ａを運用する運用者から入力された時間制限の値を記憶部１０２Ａに記憶させる機能を有してもよい。また、運用者が記憶部１０２Ａに記憶された制限時間の複数の値から所定の値を選択する機能を有してもよい。

【0115】

次に上記構成の制御装置１００Ａにおける動作について図１０を参照して説明する。なお本実施形態においては、第１の実施形態と第２の実施形態と相違する処理のみ説明する。Ｓ１１からＳ１６の処理については、第１実施形態と同一であるため説明を省略する。

【0116】

Ｓ１６の処理が終了すると、時間判定部１１４Ａによる判定処理がおこなわれる（Ｓ３０）。具体的には、Ｓ１３の処理において、第１推定部１０９が第１温冷感を推定してから、Ｓ１６の処理において第２推定部１１０が第２温冷感を推定するまでの間隔が時間制限以内か、時間判定部１１４Ａが判定する。具体的には、第１温冷感および第２温冷感とは同様の温冷感である場合に、時間制限以内か否かが判定される。なお、時間制限は、制御装置１００Ａによる制御が行われる前に記憶部１０２Ａに記憶される。

【0117】

Ｓ３０の処理において、第１推定部１０９が第１温冷感を推定してから（Ｓ１３）、第２推定部１１０が第１温冷感と同様の温冷感の第２温冷感を推定するまで（Ｓ１６）の時間間隔が、時間制限以内に判定された場合（ＹＥＳの場合）であり、第１温冷感と第２温冷感とが同様の温冷感である場合には、第１温冷感と第２温冷感に基づいて、算出部１１１ＡはＰＭＶ値を変更する（Ｓ３１）。

【0118】

算出部１１１Ａによって変更されたＰＭＶ値は記憶部１０２Ａに記憶される。記憶部１０２Ａに記憶されたＰＭＶ値に基づいて、制御部１１２は空調装置５００の設定を変更する（Ｓ３２）。その後、制御装置１００ＡはＳ１１に戻り上述の処理を行う。

【0119】

第１温冷感と第２温冷感が同様の温冷感ではない場合、または、Ｓ１３の処理において、第１推定部１０９が第１温冷感を推定してから、Ｓ１６の処理において第２推定部１１０が第２温冷感を推定するまでの間隔が時間制限以内でない場合（Ｓ３０のＮＯの場合）には、制御装置１００ＡはＳ１１に戻り上述の処理を行う。

【0120】

Ｓ１２の処理の際に、温冷感に起因する動作Ａが画像情報に含まれない場合（ＮＯの場合）には、取得部１０１は画像情報を取得する（Ｓ１９）。Ｓ１９からＳ２４の処理については、第１実施形態と同一であるため説明を省略する。

【0121】

Ｓ２４の処理が終了すると、時間判定部１１４Ａによる判定処理がおこなわれる（Ｓ３３）。具体的には、Ｓ２０の処理において、第２推定部１１０が第２温冷感を推定してから、Ｓ２３の処理において第１推定部１０９が第１温冷感を推定するまでの間隔が時間制限以内か、時間判定部１１４Ａが判定する。具体的には、第１温冷感と第２温冷感とは同様の温冷感である場合に、時間制限以内か否かが判定される。

【0122】

Ｓ３３の処理において、第２推定部１１０が第２温冷感を推定してから（Ｓ２０）、第１推定部１０９が第１温冷感を推定するまで（Ｓ２３）の間隔が時間制限以内に判定された場合（ＹＥＳの場合）であり、第１温冷感と第２温冷感とが同様の温冷感である場合には、第１温冷感と第２温冷感に基づいて、算出部１１１ＡはＰＭＶ値を変更する（Ｓ３４）。

【0123】

算出部１１１Ａによって変更されたＰＭＶ値は記憶部１０２Ａに記憶される。記憶部１０２Ａに記憶されたＰＭＶ値に基づいて、制御部１１２は空調装置５００の設定を変更する（Ｓ３４）。その後、制御装置１００ＡはＳ１１に戻り上述の処理を行う。

【0124】

第１温冷感と第２温冷感が同様の温冷感ではない場合、または、Ｓ２０の処理において、第２推定部１１０が第２温冷感を推定してから、Ｓ２３の処理において第１推定部１０９が第１温冷感を推定するまでの間隔が時間制限以内でない場合（Ｓ３３のＮＯの場合）には、制御装置１００ＡはＳ１１に戻り上述の処理を行う。

【0125】

次に上記構成の制御装置１００Ａに構成される時間設定部１１５Ａの動作について説明する。
時間設定部１１５Ａは、例えば、運用者から入力された時間制限の値を取得する。取得された時間制限の値は記憶部１０２Ａに記憶される。取得された時間制限の値は、すでに記憶されていた時間制限の値を上書きする形式で記憶されてもよいし、追加する形式で記憶されてもよい。上書きする形式で記憶された場合には、記憶部１０２Ａに記憶されている時間制限の値が制御装置１００Ａによる制御に使用される。追加する形式で記憶された場合には、もっとも記憶されたタイミングが新しい時間制限の値が制御装置１００Ａによる制御が使用される。

【0126】

または、時間設定部１１５Ａは記憶部１０２Ａに記憶された時間制限の複数の異なる値から所定の値を選択する入力を取得する。記憶部１０２Ａは、選択された時間制限の値を識別可能な形式で記憶する、選択された時間制限の値は、制御装置１００Ａによる制御に使用される。

【0127】

このように時間制限を記憶した記憶部１０２Ａを設けることで、時間制限以内に、第１温冷感および第２温冷感が推定されて、第１温冷感および第２温冷感が同じ温冷感の場合に第２設定値が変更される。また、このように時間設定部１１５Ａを設けることにより、時間制限の長さを任意の長さに変更できる。

【0128】

任意の長さに設定された時間制限以内に、第１温冷感および第２温冷感の両方が画像情報に含まれていた場合に、空調装置５００の制御が行われるため、在館者９００の意図しない設定調整を抑制する制御装置１００Ａが提供できる。

【0129】

〔第３の実施形態〕
次に、本発明の第３の実施形態について、図１１を参照して説明する。本実施形態の制御装置１００Ｂの基本構成は、第１の実施形態と同様であるが、第１の実施形態とは、記憶部１０２Ｂ、第１推定部１０９Ｂ、および、学習部１１６Ｂが異なる。よって、本実施形態においては、第１の実施形態と第３の実施形態と相違する構成のみ説明し、同じ構成
の説明は省略する。

【0130】

記憶部１０２Ｂに記憶される基本情報には、実施形態１の記憶部１０２と同様の情報の他に、後述する温冷感に起因する動作Ａの種類に基づいて重み付け係数が付された在館者９００の温冷感を推定するための学習モデルが含まれる。

【0131】

学習部１１６Ｂは、第１学習モデルに対して在館者９００の温冷感に起因する動作Ａに基づいた在館者９００の温冷感（以後、第３温冷感とも記載する。）と、在館者９００の温冷感に起因する動作Ａの種類に基づいて重み付け係数（以後、重み付け係数とも記載する。）と、を推定するための機械学習させる機能を有する。重み付け係数の具体的な内容の説明は後述する。

【0132】

なお、学習部１１６Ｂは制御装置１００Ｂに設けられてもよいし、制御装置１００Ｂ以外の情報処理機器に設けられてもよい。
第１推定部１０９Ｂは、在館者９００が温冷感に起因する動作Ａを行った場合に、在館者９００の第３温冷感と重み付け係数とを推定する機械学習を行った学習モデル（以後、第３学習モデルとも記載する。）に、取得部１０１が取得した温冷感に起因する動作Ａが含まれた画像情報を入力することで、在館者９００の第３温冷感と重み付け係数と、を推定する機能を有する。

【0133】

次に上記構成の制御装置１００Ｂにおける動作について説明する。なお本実施形態においては、第１の実施形態と制御装置１００Ｂの処理プログラムに関しては同様のため説明を省略する。相違する動作のみ説明する。

【0134】

まず、第３学習モデルの機械学習について説明する。
第３学習モデルの機械学習は、学習部１１６Ｂにより行われる、機械学習に用いられる教師データは、在館者９００の温冷感に起因する動作Ａが含まれる画像情報と、当該動作Ａに対応する暑い、寒いなどの温冷感と、当該動作Ａに対応して付された重み付け係数と、が紐づけされたデータである。

【0135】

例えば、扇風機を付ける動作が含まれる画像情報に対しては、暑いという温冷感と、値が一番大きな重み付け係数とが紐づけされる。額の汗を拭う動作が含まれる画像情報に対しては、暑いという温冷感と、値が二番目に大きな重み付け係数が紐づけされる。腕まくりにより長袖から半袖へ着衣を変化させる動作が含まれる画像情報に対しては、暑いという温冷感と、値が三番目に大きな重み付け係数が紐づけされる。

【0136】

この場合、扇風機を付ける動作は、在館者９００はとても暑いと感じていると評価されていて、値が一番大きな重み付け係数が紐づけされている。
具体的には、汗の額を拭う動作は、在館者９００が暑いと感じていると評価されていて、値が二番目に大きな重み付け係数が紐づけられている。腕まくりにより長袖から半袖へ着衣を変化させる動作は、在館者９００はやや暑いと感じていると評価されていて、値が三番目に大きな重み付け係数が紐づけされている。学習部１１６Ｂにより機械学習された第３学習モデルは、記憶部１０２Ｂに記憶される。

【0137】

機械学習が行われた第３学習モデルは、制御装置１００Ｂによる制御が行われる前に記憶部１０２Ｂに記憶される。また、制御装置１００Ｂによる制御が行われた後に、更に機械学習が行われた第３学習モデルが記憶部１０２Ｂに記憶されてもよい。この場合、先に記憶された第３学習モデルが、更に機械学習が行われた第３学習モデルに置き換えられる。

【0138】

次に上記構成の制御装置１００Ｂにおける動作について図１２を参照して説明する。なお本実施形態においては、第１の実施形態と第３の実施形態と相違する処理のみ説明する。Ｓ１１からＳ１２の処理については、第１実施形態と同一であるため説明を省略する。

【0139】

Ｓ１２の処理が終了すると、第１推定部１０９Ｂによる在館者９００の第３温冷感と重み付け係数との推定がおこなわれる（Ｓ４０）。具体的には、第１推定部１０９Ｂは在館者９００の第３温冷感等を推定する。さらに言えば、第１推定部１０９Ｂは、Ｓ１１の処理にて記憶部１０２Ｂに記憶された画像情報を第３学習モデルに入力して、在館者９００の第３温冷感と重み付け係数とを推定する処理を行う。

【0140】

次にＳ４０の処理が終了するとＳ１４の処理が行われる。Ｓ１４からＳ１６の処理については、第１実施形態と同一であるため説明を省略する。
Ｓ１６の処理が終了すると、算出部１１１はＰＭＶ値を変更する処理を行う（Ｓ４１）。具体的には、第２温冷感と第３温冷感の温冷感が同様の場合には、第２温冷感と第３温冷感と重み付け係数の値とに基づいてＰＭＶ値を変更する処理を行う。本実施形態においてＰＭＶ値の変更幅は、推定された重み付け係数の値の大きさにも基づく。

【0141】

具体的には、算出部１１１がＰＭＶ値を変更する処理は、値が一番大きな重み付け係数が紐づけされている温冷感に起因する動作Ａの場合には、ＰＭＶ値の変更幅が最も大きくなる。値が二番目に大きな重み付け係数が紐づけされている温冷感に起因する動作Ａの場合には、ＰＭＶ値の変更幅が二番目に大きくなる。値が三番目に大きな重み付け係数が紐づけされている温冷感に起因する動作Ａの場合には、ＰＭＶ値の変更幅が他の場合よりも小さくなる。ＰＭＶ値の変更幅は、推定された重み付け係数の値の大きさに比例してもよい。

【0142】

なお、本実施形態では、重み付け係数が３段階に分類されているが、重み付け係数を分類する数は３段階よりも多くてもよいし、３段階よりも少ない２段階でもよい。
Ｓ４１の処理が終了後、制御装置１００ＢはＳ１８の処理を行う。なおＳ１８の具体的な処理に関しては、実施形態１と同様のため説明を省略する。

【0143】

次にＳ４２からＳ４３の処理について説明する。Ｓ１９からＳ２３の処理については、第１実施形態と同一であるため説明を省略する。
Ｓ２３の処理が終了すると、第１推定部１０９Ｂによる在館者９００の第３温冷感と重み付け係数との推定が行われる（Ｓ４２）。なお、第１推定部１０９Ｂが在館者９００の第３温冷感と重み付け係数を推定する具体的な方法に関しては、Ｓ４０の処理にて第１推定部１０９Ｂが在館者９００の第３温冷感と重み付け係数を推定する具体的な方法と同一のため説明を省略する。

【0144】

算出部１１１はＰＭＶ値を変更する処理を行う（Ｓ４３）。なお、算出部１１１がＰＭＶ値を変更する具体的な方法に関しては、Ｓ４１の処理にて算出部１１１がＰＭＶ値を変更する処理と同一のため説明を省略する。

【0145】

上記の構成の制御装置１００Ｂによれば、在館者９００の第３温冷感と重み付け係数の値とを推定することによって、空調装置５００の制御が行われる。そのため、重み付け係数の値に応じた空調装置５００の制御を行うことができる。言い換えると、在館者９００が感じている温冷感の程度に応じた空調装置５００の制御を行うことができる。

【符号の説明】

【0146】

１００，１００Ａ，１００Ｂ…制御装置、１０１…取得部、１０２，１０２Ａ，１０２Ｂ…記憶部、１０３…着衣量演算部、１０４…代謝量演算部、１０５…第１演算部、１０
６…選定部、１０７…第２演算部、１０８…目標設定部、１０９、１０９Ｂ…第１推定部、１１０…第２推定部、１１１，１１１Ａ…算出部、１１２…制御部、１１３…画像判定部、１１４Ａ…時間判定部、１１５Ａ…時間設定部、１１６Ｂ…評価部、３００…撮影装置、３０１…カメラ部、３０２…通信部、５００…空調装置、９００…在館者、Ａ…温冷感に起因する動作、Ｂ…イベント

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】