特許 7553886 断熱性能推定装置、学習済みモデル生成装置、断熱性能推定用プログラム、および学習済みモデル生成用プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-09-10

(45)【発行日】2024-09-19

(54)【発明の名称】断熱性能推定装置、学習済みモデル生成装置、断熱性能推定用プログラム、および学習済みモデル生成用プログラム

(51)【国際特許分類】

   G06Q 50/08 20120101AFI20240911BHJP

   G06T 7/00 20170101ALI20240911BHJP

   G01N 25/18 20060101ALI20240911BHJP

【ＦＩ】

G06Q50/08

G06T7/00 350B

G01N25/18 B

G01N25/18 L

【請求項の数】 15

(21)【出願番号】P 2021026361

(22)【出願日】2021-02-22

(65)【公開番号】P2022128049

(43)【公開日】2022-09-01

【審査請求日】2023-12-06

【新規性喪失の例外の表示】特許法第３０条第２項適用 ２０２０年度人工知能学会全国大会（第３４回）の講演予稿集，ウェブサイト掲載，２０２０年５月２２日 ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｉ２０２０／ｎｏｔｉｆｉｃａｔｉｏｎｓ

(73)【特許権者】

【識別番号】000003687

【氏名又は名称】東京電力ホールディングス株式会社

(74)【代理人】

【識別番号】100114890

【弁理士】

【氏名又は名称】アインゼル・フェリックス＝ラインハルト

(74)【代理人】

【識別番号】100116403

【弁理士】

【氏名又は名称】前川 純一

(74)【代理人】

【識別番号】100162880

【弁理士】

【氏名又は名称】上島 類

(72)【発明者】

【氏名】八木橋 威夫

(72)【発明者】

【氏名】川原 慶喜

【審査官】酒井 優一

(56)【参考文献】

【文献】特開２０１８－２０６１９４（ＪＰ，Ａ）

【文献】特開２０１８－１３２８０２（ＪＰ，Ａ）

【文献】特開２０１１－２３７１２４（ＪＰ，Ａ）

【文献】特開２０２１－０１８６１１（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

Ｇ０６Ｔ ７／００

Ｇ０１Ｎ ２５／１８

(57)【特許請求の範囲】

【請求項1】

検査対象の建物の周辺の気温と前記検査対象の建物における電力量との相関関係を画像で表示した検査対象画像データを取得するデータ取得部と、
入力した画像データに基づいて建物の断熱性能を示す断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデルを記憶する記憶部と、
前記記憶部に記憶された前記学習済みモデルに基づいて、前記データ取得部によって取得した前記検査対象画像データに対応する前記検査対象の建物の前記断熱性能指数を推定する推定部と、を備え、
前記学習済みモデルは、建物の周辺の気温と当該建物における電力量との相関関係を示す画像に前記断熱性能指数をラベリングして生成された複数の学習用画像データを機械学習することによって調整された学習済みパラメータを含む
断熱性能推定装置。

【請求項2】

請求項１に記載の断熱性能推定装置において、
前記画像は、建物の周辺の気温と当該建物における電力量とによって特定される点の密度の分布を単位画像毎にヒートマップで表したデータである
断熱性能推定装置。

【請求項3】

請求項１または２に記載の断熱性能推定装置において、
前記断熱性能指数は、熱損失係数である
断熱性能推定装置。

【請求項4】

請求項１乃至３の何れか一項に記載の断熱性能推定装置において、
前記推定部は、算出した前記断熱性能指数に基づいて、予め設定された、建物の断熱性能を表す複数の等級の中から一つの等級を選択し、前記検査対象の建物の断熱性能推定結果を生成する
断熱性能推定装置。

【請求項5】

請求項１乃至４の何れか一項に記載の断熱性能推定装置において、
前記記憶部は、建物の属性毎に生成された複数の前記学習済みモデルを記憶し、
前記推定部は、前記検査対象の建物の属性に対応する前記学習済みモデルに基づいて、前記検査対象の建物の前記断熱性能指数を算出する
断熱性能推定装置。

【請求項6】

請求項５に記載の断熱性能推定装置において、
前記推定部は、前記検査対象の建物の属性に対応する複数の前記学習済みモデルに基づいて、前記検査対象の建物の前記断熱性能指数をそれぞれ算出し、
算出した複数の前記断熱性能指数に基づいて、前記検査対象の建物の断熱性能推定結果を生成する
断熱性能推定装置。

【請求項7】

請求項５または６に記載の断熱性能推定装置において、
前記建物の属性は、建物が存在する地域および建物の居住者の世帯種別の少なくとも一つを含む
断熱性能推定装置。

【請求項8】

建物の周辺の気温と当該建物における電力量との相関関係を示す画像に当該建物の断熱性能を示す断熱性能指数をラベリングした学習用画像データを生成する学習用画像データ生成部と、
前記学習用画像データを所定のアルゴリズムに基づいて機械学習することにより、入力した画像データに基づいて前記断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデルを生成する学習済みモデル生成部と、を備える
学習済みモデル生成装置。

【請求項9】

請求項８に記載の学習済みモデル生成装置において、
前記学習用画像データ生成部は、
建物の周辺の気温と当該建物における電力量とによって特定される点の密度の分布を単位画像毎にヒートマップで表した画像を生成する画像生成部と、
前記画像生成部によって生成された画像に、当該画像に対応する建物の前記断熱性能指数をラベリングして、前記学習用画像データを生成するラベリング部と、を含む
学習済みモデル生成装置。

【請求項10】

請求項９に記載の学習済みモデル生成装置において、
建物に設けられた計器によって計測された電力量のデータと、当該建物が存在する地域の気温のデータと、当該建物の熱損失係数を前記断熱性能指数として取得するデータ取得部を更に備え、
前記画像生成部は、前記データ取得部によって取得した前記電力量のデータと前記気温のデータとに基づいて前記画像を生成し、
前記ラベリング部は、前記データ取得部によって取得した前記熱損失係数を前記画像生成部によって生成された画像にラベリングして前記学習用画像データを生成する
学習済みモデル生成装置。

【請求項11】

請求項８乃至１０の何れか一項に記載の学習済みモデル生成装置において、
前記所定のアルゴリズムは、ＣＮＮである
学習済みモデル生成装置。

【請求項12】

請求項８乃至１１の何れか一項に記載の学習済みモデル生成装置において、
前記学習用画像データは、建物の属性毎に分類され、
前記学習済みモデル生成部は、前記建物の属性が共通する複数の前記学習用画像データを機械学習することにより、前記建物の属性毎に前記学習済みモデルを生成する
学習済みモデル生成装置。

【請求項13】

請求項１２に記載の学習済みモデル生成装置において、
前記建物の属性は、建物が存在する地域および建物の居住者の世帯種別の少なくとも一つを含む
学習済みモデル生成装置。

【請求項14】

コンピュータを、
建物の周辺の気温と当該建物における電力量との相関関係を画像で表した検査対象画像データを取得するデータ取得部と、
入力した画像データに基づいて建物の断熱性能を示す断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデルに基づいて、前記データ取得部によって取得した前記検査対象画像データに対応する建物の前記断熱性能指数を算出する推定部として機能させ、
前記学習済みモデルは、建物の周辺の気温と当該建物における電力量との相関関係を示す画像に前記断熱性能指数をラベリングして生成された複数の学習用画像データを機械学習することによって調整された学習済みパラメータを含む
断熱性能推定用プログラム。

【請求項15】

コンピュータを、
建物の周辺の気温とそのときの当該建物における電力量との相関関係を示す画像に当該建物の断熱性能を示す断熱性能指数をラベリングした学習用画像データを生成する学習用画像データ生成部と、
前記学習用画像データを所定のアルゴリズムに基づいて機械学習することにより、入力した画像データに基づいて前記断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデルを生成する学習済みモデル生成部として機能させる
学習済みモデル生成用プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、断熱性能推定装置、学習済みモデル生成装置、断熱性能推定用プログラム、および学習済みモデル生成用プログラムに関し、例えば、学習済みモデルに基づいて建物の断熱性能を推定する断熱性能推定装置に関する。

【背景技術】

【0002】

近年、建物の断熱性能はエネルギーの使用量に影響を与えるだけでなく、ヒートショックに代表される心血管病の発症に影響を及ぼすことが認知されつつある。将来における心血管病の発症リスクを低下させるためには、住宅の温度環境を改善することが好ましい。既存住宅の流通やリフォーム促進のためには、対象となる住宅の断熱性能を評価する必要がある。

【0003】

建物の断熱性能を表す一つの指標として、熱損失係数（以下、「Ｑ値」とも称する。）が知られている。一般に、新築住宅の場合、Ｑ値は設計図書の断熱仕様を元に計算される。しかしながら、既存の住宅の場合、設計図書がないことが多く、施工方法および経年劣化等により、実際の断熱性能が不明であることが多い。そのため、従来、既存の住宅の室温等を実測し、その計測値に基づいてその住宅のＱ値を推定する手法が知られている（例えば、特許文献１参照）。また、住宅における消費電力に基づいて、当該住宅の断熱性能を推定する技術も知られている（例えば、特許文献２参照）。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１３－２２１７７２号公報

【文献】特開２０１８－２０６１９４号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、特許文献１に代表される従来の断熱性能の推定手法では、住宅における複数の部屋とその住宅の外部に温度計測装置をそれぞれ設置し、各部屋の温度と外気温を一定期間計測する必要があるため、居住者の日常生活に制限や支障が発生し、居住者の負担が大きい。

【0006】

また、特許文献２に開示された断熱性能の推定手法では、住宅における電力データだけでなく、築年数などの変数が必要であり、断熱性能を容易に推定することができない。

【0007】

本発明は、上述した課題に鑑みてなされたものであり、居住者の負担を抑えつつ、より簡単に建物の断熱性能を推定できるようにすることを目的とする。

【課題を解決するための手段】

【0008】

本発明の代表的な実施の形態に係る断熱性能推定装置は、検査対象の建物の周辺の気温と前記検査対象の建物における電力量との相関関係を画像で表示した検査対象画像データを取得するデータ取得部と、入力した画像データに基づいて建物の断熱性能を示す断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデルを記憶する記憶部と、前記記憶部に記憶された前記学習済みモデルに基づいて、前記データ取得部によって取得した前記検査対象画像データに対応する前記検査対象の建物の前記断熱性能指数を推定する推定部と、を備え、前記学習済みモデルは、建物の周辺の気温と当該建物における電力量との相関関係を示す画像に前記断熱性能指数をラベリングして生成された複数の学習用画像データを機械学習することによって調整された学習済みパラメータを含むことを特徴とする。

【発明の効果】

【0009】

本発明に係る断熱性能推定装置によれば、居住者の負担を抑えつつ、より簡単に建物の断熱性能を推定することが可能となる。

【図面の簡単な説明】

【0010】

【図1】本発明の第１の実施の形態に係る断熱性能推定システムの構成を示す図である。

【図2】第１の実施の形態に係る学習済みモデル生成装置の機能ブロック構成を示す図である。

【図3】第１の実施の形態に係る学習済みモデル生成装置のハードウェア構成を示す図である。

【図4】建物の周辺の気温と当該建物における電力量との相関関係を示す画像の一例を示す図である。

【図5A】断熱性能が高い住宅の気温－電力量特性の画像の一例を示す図である。

【図5B】断熱性能が高い住宅の気温－電力量特性の画像の一例を示す図である。

【図6A】断熱性能が低い住宅の気温－電力量特性の画像の一例を示す図である。

【図6B】断熱性能が低い住宅の気温－電力量特性の画像の一例を示す図である。

【図7】検査対象画像データから建物のＱ値を算出するための学習済みモデルの一例を示すモデル図である。

【図8】第１の実施の形態に係る断熱性能推定装置の機能ブロック構成を示す図である。

【図9】第１の実施の形態に係る断熱性能推定装置のハードウェア構成を示す図である。

【図10】断熱性能推定装置による断熱性能推定結果の一例を示す図である。

【図11】第１の実施の形態に係る断熱性能推定システムによる処理の流れを示すフロー図である。

【図12】学習用画像データの生成処理（ステップＳ１）の詳細な流れを示すフロー図である。

【図13】断熱性能推定処理（ステップＳ４）の詳細な流れを示すフロー図である。

【図14】第２の実施の形態に係る断熱性能推定システムにおける学習済みモデル生成装置の機能ブロック構成を示す図である。

【図15】第２の実施の形態に係る断熱性能推定システムにおける断熱性能推定装置の機能ブロック構成を示す図である。

【発明を実施するための形態】

【0011】

１．実施の形態の概要
先ず、本願において開示される発明の代表的な実施の形態について概要を説明する。なお、以下の説明では、一例として、発明の構成要素に対応する図面上の参照符号を、括弧を付して記載している。

【0012】

〔１〕本発明の代表的な実施の形態に係る断熱性能推定装置（２，２Ａ）は、検査対象の建物の周辺の気温と前記検査対象の建物における電力量との相関関係を画像で表示した検査対象画像データ（２０１）を取得するデータ取得部（２１，２１Ａ）と、入力した画像データに基づいて建物の断熱性能を示す断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデル（３０３，３０３Ａ＿１～３０３Ａ＿ｐ）を記憶する記憶部（２２，２２Ａ）と、前記記憶部に記憶された前記学習済みモデルに基づいて、前記データ取得部によって取得した前記検査対象画像データに対応する前記検査対象の建物の前記断熱性能指数（２０２，２０２＿１～２０２＿ｓ）を推定する推定部（２３，２３Ａ）と、を備え、前記学習済みモデルは、建物（７，７＿１～７＿ｎ）の周辺の気温と当該建物における電力量との相関関係を示す画像（３０１，３０１＿１～３０１＿４）に前記断熱性能指数（４３）をラベリングして生成された複数の学習用画像データ（３０２＿１～３０２＿ｎ）を機械学習することによって調整された学習済みパラメータを含むことを特徴とする。

【0013】

〔２〕上記〔１〕に記載の断熱性能推定装置（２，２Ａ）において、前記画像は、建物の周辺の気温と当該建物における電力量とによって特定される点の密度の分布を単位画像毎にヒートマップで表したデータであってもよい。

【0014】

〔３〕上記〔１〕または〔２〕に記載の断熱性能推定装置（２，２Ａ）において、前記断熱性能指数は、熱損失係数（Ｑ値）であってもよい。

【0015】

〔４〕上記〔１〕乃至〔３〕の何れかに記載の断熱性能推定装置（２，２Ａ）において、前記推定部は、算出した前記断熱性能指数に基づいて、予め設定された、建物の断熱性能を表す複数の等級（等級１～４，等級Ａ，Ｂ）の中から一つの等級を選択し、前記検査対象の建物の断熱性能推定結果（２０３）を生成してもよい。

【0016】

〔５〕上記〔１〕乃至〔４〕の何れかに記載の断熱性能推定装置（２Ａ）において、前記記憶部（２２Ａ）は、建物（７）の属性毎に生成された複数の前記学習済みモデル（３０３Ａ＿１～３０３Ａ＿ｐ）を記憶し、前記推定部は、前記検査対象の建物の属性に対応する前記学習済みモデルに基づいて、前記検査対象の建物の前記断熱性能指数を算出してもよい。

【0017】

〔６〕上記〔５〕に記載の断熱性能推定装置において、前記推定部は、前記検査対象の建物の属性に対応する複数の前記学習済みモデル（３０３Ａ＿１～３０３Ａ＿ｓ）に基づいて、前記検査対象の建物の前記断熱性能指数（２０２＿１～２０２＿ｓ）をそれぞれ算出し、算出した複数の前記断熱性能指数に基づいて、前記検査対象の建物の断熱性能推定結果（２０３）を生成してもよい。

【0018】

〔７〕上記〔５〕または〔６〕に記載の断熱性能推定装置において、前記建物の属性は、建物が存在する地域および建物の居住者の世帯種別の少なくとも一つを含んでもよい。

【0019】

〔８〕本発明の代表的な実施の形態に係る学習済みモデル生成装置（３，３Ａ）は、建物（７＿１～７＿ｎ）の周辺の気温と当該建物における電力量との相関関係を示す画像（３０１，３０１＿１～３０１＿４）に当該建物の断熱性能を示す断熱性能指数（４３）をラベリングした学習用画像データ（３０２＿１～３０２＿ｎ）を生成する学習用画像データ生成部（３２，３２Ａ）と、前記学習用画像データを所定のアルゴリズムに基づいて機械学習することにより、入力した画像データに基づいて前記断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデル（３０３，３０３Ａ＿１～３０３Ａ＿ｐ）を生成する学習済みモデル生成部（３６，３６Ａ）とを備えることを特徴とする。

【0020】

〔９〕上記〔８〕に記載の学習済みモデル生成装置（３，３Ａ）において、前記学習用画像データ生成部は、建物の周辺の気温と当該建物における電力量とによって特定される点の密度の分布を単位画像毎にヒートマップで表した画像を生成する画像生成部（３３，３３Ａ）と、前記画像生成部によって生成された画像に、当該画像に対応する建物の前記断熱性能指数をラベリングして、前記学習用画像データを生成するラベリング部（３４，３４Ａ）と、を含んでもよい。

【0021】

〔１０〕上記〔９〕に記載の学習済みモデル生成装置（３，３Ａ）において、建物に設けられた計器によって計測された電力量のデータ（４１）と、当該建物が存在する地域の気温のデータ（４２）と、当該建物の熱損失係数（Ｑ値）を前記断熱性能指数（４３）として取得するデータ取得部（３１，３１Ａ）を更に備え、前記画像生成部は、前記データ取得部によって取得した前記電力量のデータと前記気温のデータとに基づいて前記画像（３０１）を生成し、前記ラベリング部は、前記データ取得部によって取得した前記熱損失係数を前記画像生成部によって生成された画像にラベリングして前記学習用画像データ（３０２＿１～３０２＿ｎ）を生成してもよい。

【0022】

〔１１〕上記〔８〕乃至〔１０〕の何れかに記載の学習済みモデル生成装置（３，３Ａ）において、前記所定のアルゴリズムは、ＣＮＮであってもよい。

【0023】

〔１２〕上記〔８〕乃至〔１１〕の何れかに記載の学習済みモデル生成装置（３Ａ）において、前記学習用画像データは、建物の属性毎に分類され、前記学習済みモデル生成部（３６Ａ）は、前記建物の属性が共通する複数の前記学習用画像データを機械学習することにより、前記建物の属性毎に前記学習済みモデル（３０３Ａ＿１～３０３Ａ＿ｐ）を生成してもよい。

【0024】

〔１３〕上記〔１２〕に記載の学習済みモデル生成装置（３Ａ）において、前記建物の属性は、建物が存在する地域および建物の居住者の世帯種別の少なくとも一つを含んでもよい。

【0025】

〔１４〕本発明の代表的な実施の形態に係る断熱性能推定用プログラム（１０２３）は、コンピュータを、建物の周辺の気温と当該建物における電力量との相関関係を画像で表した検査対象画像データを取得するデータ取得部と、入力した画像データに基づいて建物の断熱性能を示す断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデルに基づいて、前記データ取得部によって取得した前記検査対象画像データに対応する建物の前記断熱性能指数を算出する推定部として機能させるプログラムであって、前記学習済みモデルは、建物の周辺の気温と当該建物における電力量との相関関係を示す画像に前記断熱性能指数をラベリングして生成された複数の学習用画像データを機械学習することによって調整された学習済みパラメータを含むことを特徴する。

【0026】

〔１５〕本発明の代表的な実施の形態に係る学習済みモデル生成用プログラム（１０２１）は、コンピュータを、建物の周辺の気温とそのときの当該建物における電力量との相関関係を示す画像に当該建物の断熱性能を示す断熱性能指数をラベリングした学習用画像データを生成する学習用画像データ生成部と、前記学習用画像データを所定のアルゴリズムに基づいて機械学習することにより、入力した画像データに基づいて前記断熱性能指数を算出するようにコンピュータを機能させるための学習済みモデルを生成する学習済みモデル生成部として機能させることを特徴とするプログラムである。

【0027】

２．実施の形態の具体例
以下、本発明の実施の形態の具体例について図を参照して説明する。なお、以下の説明において、各実施の形態において共通する構成要素には同一の参照符号を付し、繰り返しの説明を省略する。また、図面は模式的なものであり、各要素の寸法の関係、各要素の比率などは、実物と異なる場合がある。

【0028】

≪第１の実施の形態≫
図１は、本発明の第１の実施の形態に係る断熱性能推定システムの構成を示す図である。
同図に示される断熱性能推定システム１は、建物の周辺の気温と当該建物において消費された電力量との相関関係を表す画像データに当該建物の断熱性能を表す指標（以下、「断熱性能指数」とも称する。）をラベリングした学習用画像データ（教師データ）を機械学習によって学習して学習済みモデルを生成し、その学習済みモデルを用いて、入力された検査対象の建物の検査対象画像データから当該建物の断熱性能を推定するためのシステムである。

【0029】

図１に示すように、断熱性能推定システム１は、ネットワーク５に接続可能に構成され、ネットワーク５を介して電力データ管理装置４や建物７＿１～７＿ｎ（ｎは２以上の整数）に設置された計器（ＳＭ）７０＿１～７０＿ｎと通信が可能となっている。

【0030】

ネットワーク５は、例えばインターネットに代表される広域ネットワーク（ＷＡＮ：Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）である。断熱性能推定システム１は、有線または無線通信によってネットワーク５と接続可能に構成されている。

【0031】

計器７０＿１～７０＿ｎは、各建物７＿１～７＿ｎに設置され、その建物で消費された電力を計測する電力量計である。計器７０＿１～７０＿ｎは、ネットワーク５に接続可能にされている。計器７０＿１～７０＿ｎは、例えば、ネットワーク５を介して外部と双方向通信可能なスマートメータ（ＳＭ）である。本実施の形態では、計器７０＿１～７０＿ｎが設置される建物７＿１～７＿ｎが「住宅」である場合を一例として説明するが、これに限られるものではない。

【0032】

計器７０＿１～７０＿ｎは、例えば、単位時間（例えば３０分間）当たりの電力の消費量（３０分電力量）を計測し、電力データ管理装置４からの要求に応じて、電力消費量の計測結果をネットワーク５を介して送信する。

【0033】

なお、以下の説明において、計器７０＿１～７０＿ｎや建物７＿１～７＿ｎ等の接尾辞が付された参照符号で示される構成要素をそれぞれを区別しない場合には、単に「計器７０」や「建物７」等と表記する場合がある。

【0034】

電力データ管理装置４は、各建物７＿１～７＿ｎに設置された計器７０＿１～７０＿ｎによって計測された電力量の情報を管理する装置である。電力データ管理装置４は、ネットワーク５を介して外部と双方向通信可能な情報処理装置（コンピュータ）であって、例えば、サーバである。

【0035】

電力データ管理装置４は、建物７＿１～７＿ｎに設置された計器７０＿１～７０＿ｎによって計測された単位時間毎の電力量の計測結果を含むデータをネットワーク５を介して各計器７０＿１～７０＿ｎから取得し、電力データ４０＿１～４０＿ｎとして記憶する。

【0036】

電力データ４０＿１～４０＿ｎは、例えば、各計器７０を識別するための情報である計器ＩＤと、その計器ＩＤによって特定される計器７０が計測した単位時間当たりの電力量（３０分電力量）の計測結果と、計測日時の情報とを含む。電力データ管理装置４は、例えば、建物７＿１～７＿ｎ（計器ＩＤ）毎に電力データ４０＿１～４０＿ｎを記憶して管理する。

【0037】

図１に示すように、断熱性能推定システム１は、学習済みモデルを生成する学習済みモデル生成装置３と、学習済みモデルに基づいて入力された検査対象画像データに対応する建物の断熱性能を推定する断熱性能推定装置２とを備えている。

【0038】

断熱性能推定装置２と学習済みモデル生成装置３とは、所定のネットワークを介して接続されており、相互間でデータの送受信が可能となっている。例えば、断熱性能推定装置２と学習済みモデル生成装置３とは、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を介して有線または無線通信によって互いに接続されていてもよいし、インターネット等の広域ネットワーク（ＷＡＮ）を介して互いに接続されていてもよい。

【0039】

以下、断熱性能推定装置２と学習済みモデル生成装置３について詳細に説明する。
先ず、学習済みモデル生成装置３について説明する。

【0040】

図２は、第１の実施の形態に係る学習済みモデル生成装置３の機能ブロック構成を示す図である。
図３は、第１の実施の形態に係る学習済みモデル生成装置３のハードウェア構成を示す図である。

【0041】

学習済みモデル生成装置３は、例えば、サーバやパーソナルコンピュータ（ＰＣ）等の情報処理装置（コンピュータ）によって実現され、インストールされた学習済みモデル生成用プログラムにしたがって学習用画像データを生成するとともに、生成した学習用画像データを所定のアルゴリズムに基づいて機械学習することにより、学習済みモデルを生成する装置である。

【0042】

図２に示すように、学習済みモデル生成装置３は、学習済みモデルを生成するための機能ブロックとして、データ取得部３１、学習用画像データ生成部３２、記憶部３５、および学習済みモデル生成部３６を有している。これらの各機能ブロックは、学習済みモデル生成装置３としての情報処理装置を構成する、図３に示すハードウェア資源が、上記情報処理装置にインストールされたソフトウエア（学習済みモデル生成用プログラムを含む各種プログラム）と協働することによって、実現される。

【0043】

図３に示すように、学習済みモデル生成装置３は、ハードウェア資源として、例えば、演算装置１０１、記憶装置１０２、入力装置１０３、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）装置１０４、出力装置１０５、およびバス１０６を備えている。

【0044】

演算装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等のプロセッサによって構成されている。記憶装置１０２は、演算装置１０１に各種のデータ処理を実行させるためのプログラム１０２１と、演算装置１０１によるデータ処理で利用されるパラメータや演算結果等のデータ１０２２とを記憶する記憶領域を有し、例えばＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ、およびフラッシュメモリ等から構成されている。

【0045】

記憶装置１０２に記憶されるプログラム１０２１は、コンピュータを学習済みモデル生成装置３として機能させる学習済みモデル生成用プログラムを含み、例えば、記憶装置１０２に予めインストールされている。

【0046】

記憶装置１０２に記憶されるデータ１０２２は、例えば、後述する、電力量のデータ４１、気温のデータ４２、および断熱性能指数４３等の各種データや、生成した学習済みモデル３０３等である。

【0047】

なお、プログラム１０２１およびデータ１０２２は、ネットワークを介して流通可能であってもよいし、ＣＤ－ＲＯＭやメモリカード等のコンピュータが読み取り可能な記憶媒体（Ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）に書き込まれて流通可能であってもよい。

【0048】

入力装置１０３は、外部から情報の入力を検出する装置であり、例えばキーボード、マウス、ポインティングデバイス、ボタン、またはタッチパネル等を例示することができる。Ｉ／Ｆ装置１０４は、外部とデータの送受信を行う装置であり、例えば、有線または無線によって通信を行うための通信制御回路や入出力ポート、アンテナ等から構成されている。

【0049】

出力装置１０５は、演算装置１０１によるデータ処理によって得られた情報等を出力する装置である。出力装置１０５としては、ＳＳＤやＨＤＤ等の外部記憶装置や、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）および有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）等の表示装置等を例示することができる。バス１０６は、演算装置１０１、記憶装置１０２、入力装置１０３、Ｉ／Ｆ装置１０４、および出力装置１０５を相互に接続し、これらの装置間でデータの送受信を可能にする。

【0050】

学習済みモデル生成装置３は、演算装置１０１が記憶装置１０２に記憶されたプログラム１０２１に従って演算を実行して、記憶装置１０２、入力装置１０３、Ｉ／Ｆ装置１０４、出力装置１０５、およびバス１０６を制御することにより、図２に示した学習済みモデル生成装置３の各機能ブロック（データ取得部３１、学習用画像データ生成部３２、記憶部３５、および学習済みモデル生成部３６）が実現される。

【0051】

以下、学習済みモデル生成装置３の各機能ブロックについて詳細に説明する。

【0052】

データ取得部３１は、学習済みモデル３０３の生成に必要なデータを取得するための機能部である。具体的に、データ取得部３１は、ネットワーク５を経由して、電力データ管理装置４を含む外部の情報処理装置等とデータの送受信を行うことにより、必要なデータを取得する。

【0053】

データ取得部３１は、各建物７＿１～７＿ｎの電力量のデータ４１を取得する。具体的に、データ取得部３１は、電力データ管理装置４に記憶されている電力データ４０＿１～４０＿ｎから、各建物７における電力量のデータ４１を取得する。例えば、データ取得部３１は、電力データ４０に基づいて一日の電力使用量を表す日電力量を建物７毎に算出し、電力量のデータ４１として記憶する。なお、日電力量が電力データ管理装置４によって算出され記憶されている場合には、データ取得部３１は、自ら日電力量を算出することなく、電力データ管理装置４から取得すればよい

【0054】

また、データ取得部３１は、各建物７の周辺の気温のデータ４２を取得する。例えば、データ取得部３１は、各建物７の周辺の気温のデータ４２として、各建物７が存在する地域の日平均気温の情報（例えば、メッシュデータ）を、ネットワーク５に接続されている外部サーバから取得する。ここで、外部サーバとは、各種気象データを提供するサーバであり、例えば、気象庁のサーバである。

【0055】

なお、気温のデータ４２は、外部サーバから直接取得する場合に限られない。例えば、電力データ管理装置４が外部サーバから気象データを取得して気温のデータ４２を管理している場合には、データ取得部３１は、気温のデータ４２を電力データ４０とともに電力データ管理装置４から取得してもよい。

【0056】

更に、データ取得部３１は、各建物７＿１～７＿ｎの断熱性能指数４３の情報を取得する。断熱性能指数４３は、例えば、建物７の熱損失係数（Ｑ値）である。断熱性能指数４３としてのＱ値は、例えば、各建物７の設計図面から算出した値であってもよいし、建物７において実測した温度の計測値から公知の算出方法によって推定した値であってもよい。断熱性能指数４３は、予め、上述した手法によって算出され、学習済みモデル生成装置３内の記憶装置１０２に記憶されている。

【0057】

なお、建物７の断熱性能指数４３は、電力データ管理装置４やネットワーク５に接続された他の情報処理装置等に記憶されていてもよい。この場合、データ取得部３１は、断熱性能指数４３をネットワーク５を介して外部から取得する。

【0058】

データ取得部３１は、例えば、電力量のデータ４１、気温のデータ４２，および断熱性能指数４３を、建物７毎に記憶部３５に記憶しておく。例えば、データ取得部３１によって取得された各データは、各建物７に設置された計器７０の計器ＩＤ毎に、記憶部３５に記憶される。

【0059】

学習用画像データ生成部３２は、データ取得部３１によって取得した各種データに基づいて、学習用画像データ３０２を生成するための機能部である。学習用画像データ生成部３２は、建物７の周辺の気温と当該建物７における電力量との相関関係を示す画像に当該建物７の断熱性能を示す指標（断熱性能指数）をラベリングした学習用画像データ３０２を生成する。

【0060】

例えば、学習用画像データ生成部３２は、画像生成部３３とラベリング部３４を含む。
画像生成部３３は、データ取得部３１によって取得した電力量のデータ４１と気温のテータ４２とに基づいて、建物７の周辺の気温と当該建物７における電力量との相関関係を示す画像３０１を建物７毎に生成する。

【0061】

画像生成部３３は、建物７の周辺の気温と当該建物７における電力量とによって特定される点の密度の分布を単位画像毎にヒートマップで表した画像を生成する。例えば、画像生成部３３は、建物７の日電力量と、その日電力量が計測された日における当該建物７が存在する地域の日平均気温とを一組とするデータ対（点）を、日電力量が計測された日毎に生成し、各データ対の密度の分布を単位画像毎にヒートマップで表示した気温－電力量特性の画像３０１を生成する。

【0062】

図４は、建物７の周辺の気温と当該建物７における電力量との相関関係を示す気温－電力量特性の画像３０１の一例を示す図である。
例えば、図４には、－５℃から４０℃までの温度範囲を３℃毎に、０ｋＷｈから４５ｋＷｈまでの電力量範囲を３ｋＷｈ毎に、夫々区分けして生成した１５×１５ピクセルの画像が例示されている。
各単位画像（１ピクセル）の色は、上記データ対の数を正規化することによって設定されている。画像生成部３３は、図４に示すような画像３０１を建物７毎に生成する。

【0063】

ここで、気温－電力量特性の画像と建物の断熱性能との関係について説明する。

【0064】

図５Ａおよび図５Ｂは、断熱性能が高い住宅の気温－電力量特性の画像の一例を示す図である。
図６Ａおよび図６Ｂは、断熱性能が低い住宅の気温－電力量特性の画像の一例を示す図である。

【0065】

図５Ａおよび図５Ｂにおいて、気温－電力量特性の画像３０１＿１および気温－電力量特性の画像３０１＿２に示すように、断熱性能が高い住宅では、日平均気温が１０℃未満の冬季と日平均気温が１０℃以上２０度未満の端境期との間の日電力量の変化の傾きが緩やかになる傾向がある。また、日電力量の分散が小さく中央に集中する傾向がある。

【0066】

一方、図６Ａにおいて気温－電力量特性の画像３０１＿３に示すように、断熱性能が低い住宅では、冬季と端境期との間の日電力量の変化の傾きが大きくなる傾向がある。また、図６Ｂにおいて気温－電力量特性の画像３０１＿４に示すように、断熱性能が低い住宅では、全体的に電力使用量が少なく、冬季と端境期とで日電力量の変化が小さい傾向がある。

【0067】

このように、住宅の断熱性能に依存して、気温に対する電力使用量の特性が変化することが理解される。すなわち、住宅の断熱性能と気温－電力量特性との間に相関があることが理解される。そこで、本実施の形態に係る断熱性能推定システム１では、建物（住宅）の気温－電力量特性の画像３０１に断熱性能指数４３としてのＱ値を関連付けて、機械学習のための学習用画像データ３０２を生成する。

【0068】

具体的には、学習用画像データ生成部３２において、ラベリング部３４が、画像生成部３３によって生成された気温－電力量特性を表す画像３０１に、当該画像３０１に対応する建物７の断熱性能指数４３を正解ラベルとして付与し、学習用画像データ３０２を生成する。例えば、ラベリング部３４は、電力データ管理装置４によって電力データが管理されている建物７＿１～７＿ｎのうち、断熱性能指数４３（Ｑ値）が登録されている建物７＿１～７＿ｍ（ｍは２以上の整数）の気温－電力量特性の画像３０１にＱ値を対応付けた画像データを、建物７＿１～７＿ｍ毎に生成し、学習用画像データ３０２＿１～３０２＿ｍとして記憶部３５に記憶する。

【0069】

学習済みモデル生成部３６は、学習用画像データ生成部３２によって生成された複数の学習用画像データ３０２＿１～３０２＿ｍを機械学習することにより、入力した画像データに基づいて断熱性能指標を算出するように情報処理装置（コンピュータ）を機能させるための学習済みモデル３０３を生成する機能部である。

【0070】

学習済みモデル３０３は、所定のアルゴリズムに基づく機械学習によるプログラムである。所定のアルゴリズムは、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）等のニューラルネットワークである。

【0071】

すなわち、学習済みモデル３０３は、入力された画像データ（検査対象画像データ２０１）に対して、所定の学習済みパラメータに基づく演算を行い、当該画像データに基づく建物の断熱性能を定量化した値を出力するように、情報処理装置（コンピュータ）を機能させるためのプログラムである。

【0072】

ここで、学習済みパラメータとは、学習用画像データ３０２＿１～３０２＿ｍを学習用プログラム（上記所定のアルゴリズムに基づくプログラム）に対する入力として用いて、断熱性能指数（Ｑ値）を算出するように機械的に調整されたパラメータである。例えば、ニューラルネットワークの場合、学習済みパラメータは、重み付け係数等の変数である。

【0073】

学習済みモデル３０３には、上述した学習済みパラメータに加えて、推論プログラムが含まれていてもよい。推論プログラムとは、上記学習済みパラメータを組み込んで、入力された画像データに対して一定の結果を出力するためのプログラムである。

【0074】

学習済みモデル生成部３６は、例えば、学習用画像データ３０２＿１～３０２＿ｍをＣＮＮモデルにそれぞれ入力することによって算出された断熱性能指数（推定値）と正解データとしてラベリングされた断熱性能指数（正解値）との誤差を算出し、誤差逆伝搬法により、上記誤差に基づいて重み付け係数等の学習済みパラメータを逐次更新することにより、学習済みモデル３０３としてのＣＮＮモデルを生成する。

【0075】

図７は、検査対象画像データ２０１から建物のＱ値を算出するための学習済みモデル３０３の一例を示すモデル図である。

【0076】

図７には、例えば、学習済みモデル３０３としてのＣＮＮモデルが示されている。具体的に、学習済みモデル３０３は、エポック数を１００、バッチ数を３２とし、最適化関数としてＡｄａｍを採用したＣＮＮモデルである。

【0077】

学習済みモデル生成部３６によって生成された学習済みモデル３０３は、記憶部３５に記憶される。

【0078】

記憶部３５は、学習済みモデル３０３を生成するために必要な学習用画像データ３０２＿１～３０２＿ｍや生成された学習済みモデル３０３等の各種データを記憶するための機能部である。記憶部３５は、例えば、外部からアクセス可能に構成されている。例えば、断熱性能推定装置２が学習済みモデル生成装置３と通信を行うことにより、断熱性能推定装置２が記憶部３５から学習済みモデル３０３を読み出して取得することが可能となっている。

【0079】

次に、断熱性能推定装置２について説明する。

【0080】

図８は、第１の実施の形態に係る断熱性能推定装置２の機能ブロック構成を示す図である。
図９は、第１の実施の形態に係る断熱性能推定装置２のハードウェア構成を示す図である。

【0081】

断熱性能推定装置２は、例えば、ＰＣ（パーソナルコンピュータ）やサーバ等の情報処理装置（コンピュータ）であって、インストールされた断熱性能推定用プログラム（学習済みモデル）にしたがって、入力された検査対象画像データの建物の断熱性能を推定する。

【0082】

図８に示すように、断熱性能推定装置２は、学習済みモデルを用いて建物の断熱性能を推定するための各種データ処理を行うための機能ブロックとして、データ取得部２１、記憶部２２、および推定部２３を有している。これらの各機能ブロックは、断熱性能推定装置２としての情報処理装置を構成するハードウェア資源が、上記情報処理装置にインストールされたソフトウエア（断熱性能推定用プログラムを含む各種プログラム）と協働することによって、実現される。

【0083】

図９に示すように、断熱性能推定装置２は、ハードウェア資源として、演算装置１０１、記憶装置１０２、入力装置１０３、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）装置１０４、出力装置１０５、およびバス１０６を備えている。これらの構成要素は、上述した学習済みモデル生成装置３を構成するハードウェア資源と同様である。

【0084】

記憶装置１０２には、演算装置１０１に断熱性能推定装置２としての各種のデータ処理を実行させるためのプログラム１０２３と、演算装置１０１によるデータ処理で利用されるパラメータや演算結果等のデータ１０２４とが記憶されている。

【0085】

ここで、プログラム１０２３は、コンピュータ（プロセッサ）を断熱性能推定装置２として機能させるための断熱性能推定用プログラムを含み、例えば、記憶装置１０２に予めインストールされている。

【0086】

また、データ１０２４は、後述する検査対象画像データ２０１、学習済みモデル３０３、および断熱性能指数（推定値）２０２等を含む。

【0087】

なお、プログラム１０２３およびデータ１０２４は、ネットワークを介して流通可能であってもよいし、ＣＤ－ＲＯＭやメモリカード等のコンピュータが読み取り可能な記憶媒体（Ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）に書き込まれて流通可能であってもよい。

【0088】

断熱性能推定装置２は、演算装置１０１が記憶装置１０２に記憶されたプログラム１０２３に従って演算を実行して、記憶装置１０２、入力装置１０３、Ｉ／Ｆ装置１０４、出力装置１０５、およびバス１０６を制御することにより、図８に示した断熱性能推定装置２の各機能ブロック（データ取得部２１、記憶部２２、および推定部２３）が実現される。

【0089】

以下、断熱性能推定装置２の各機能ブロックについて詳細に説明する。

【0090】

データ取得部２１は、検査対象の建物の断熱性能を推定するために必要な各種データや、断熱性能推定装置２としての情報処理装置を操作するユーザによって入力された指示等を取得する機能部である。

【0091】

データ取得部２１は、上述したように、断熱性能推定システム１内の学習済みモデル生成装置３との間で、例えばＬＡＮやＷＡＮ等の所定のネットワークを介してデータの送受信を行う。また、データ取得部２１は、ネットワーク５を介して電力データ管理装置４等の外部の情報処理装置との間でデータの送受信が可能となっている。

【0092】

データ取得部２１は、建物の断熱性能を推定するために必要なデータとして、検査対象の建物の周辺の気温と検査対象の建物における電力量との相関関係を画像で表示した検査対象画像データ２０１を取得する。

【0093】

検査対象画像データ２０１は、上述した学習用画像データと同様に、検査対象の建物の日電力量と、その日電力量が計測された日における当該建物が存在する地域の日平均気温とを一組とするデータ対を、日電力量が計測された日毎に生成し、各データ対の密度の分布を単位画像毎にヒートマップで表示した気温－電力量特性の画像データである。

【0094】

検査対象画像データ２０１は、例えば、上述した学習済みモデル生成装置３によって生成される。例えば、ユーザが断熱性能推定装置２を操作して検査対象の建物７＿ｋ（ｋは１以上の整数）の気温－電力量特性の画像データの作成の指示を入力することにより、データ取得部２１が、学習済みモデル生成装置３に対して、建物７＿ｋの画像データの生成を要求する。学習済みモデル生成装置３の画像生成部３３は、当該要求に応じて、学習用画像データ３０２を生成する場合と同様の手法により、検査対象の建物７＿ｋに設置された計器７０から取得した電力データ４０と気象のデータ４２とに基づいて、検査対象の建物７＿ｋの気温－電力量特性の画像データを生成し、断熱性能推定装置２に送信する。断熱性能推定装置２におけるデータ取得部２１は、学習済みモデル生成装置３から受信した、検査対象の建物７＿ｋの気温－電力量特性の画像データを検査対象画像データ２０１として記憶部２２に記憶する。

【0095】

なお、検査対象画像データ２０１は、学習済みモデル生成装置３が生成する場合に限られず、他の情報処理装置によって生成してもよい。また、例えば、断熱性能推定装置２が、電力データ管理装置４にアクセスして検査対象の電力データ４０を取得し、自ら検査対象画像データ２０１を生成してもよい。

【0096】

記憶部２２は、断熱性能推定装置２による建物の断熱性能推定処理に必要な各種データを記憶する機能部である。例えば、記憶部２２は、上述した検査対象画像データ２０１の他に、学習済みモデル３０３および断熱性能推定結果２０３を記憶する。

【0097】

学習済みモデル３０３は、上述したように、入力された画像データ（検査対象画像データ２０１）に対して、所定の学習済みパラメータに基づく演算を行い、当該画像データに基づく建物の断熱性能を定量化した値を出力するように、情報処理装置（コンピュータ）を機能させるためのプログラムである。例えば、予め、断熱性能推定装置２が学習済みモデル生成装置３と通信を行うことにより、データ取得部２１が、学習済みモデル生成装置３によって生成された学習済みモデル３０３を取得して記憶部２２に記憶しておく。

【0098】

推定部２３は、データ取得部２１によって取得した検査対象画像データ２０１を入力し、学習済みモデル３０３を用いて、入力した検査対象画像データ２０１から、検査対象画像データ２０１に関する建物７の断熱性能指数の推定値を算出する機能部である。

【0099】

具体的に、推定部２３は、検査対象画像データ２０１の建物の断熱性能指数２０２を算出し、算出した断熱性能指数２０２に基づいて、検査対象の建物の断熱性能推定結果２０３を生成する。

【0100】

推定部２３は、先ず、検査対象画像データ２０１の建物のＱ値を算出する。例えば、推定部２３は、記憶部２２に記憶されている１５×１５ピクセルのヒートマップで表された検査対象画像データ２０１を、学習済みモデル３０３としての図７に示したＣＮＮモデルに入力することによりＱ値を算出し、断熱性能指数（推定値）２０２として記憶部２２に記憶する。

【0101】

次に、推定部２３は、算出した断熱性能指数２０２（Ｑ値）に基づいて、検査対象の建物の断熱性能推定結果２０３を生成する。具体的に、推定部２３は、算出したＱ値に基づいて、予め設定された、建物の断熱性能を表す複数の等級（区分）の中から一つの等級を選択し、断熱性能推定結果２０３とする。

【0102】

図１０は、断熱性能推定装置２による断熱性能推定結果の一例を示す図である。
例えば、図１０に示すように、国土交通省によって定められている省エネルギー対策等級に準じて、Ｑ≦２．７の範囲を等級４、２．７＜Ｑ≦４．２の範囲を等級３、４．２＜Ｑ≦５．２の範囲を等級２、Ｑ＞５．２の範囲を等級１として予め設定しておく。そして、推定部２３は、算出したＱ値に対応する等級を等級１～４の中から選択し、断熱性能推定結果２０３として出力する。あるいは、省エネルギー対策等級よりも理解し易い指標として、Ｑ≦４．２の範囲を等級Ａ（良い）、Ｑ＞４．２の範囲を等級Ｂ（悪い）として設定しておく。そして、推定部２３は、算出したＱ値に応じた等級Ａ（良い）または等級Ｂ（悪い）を選択し、断熱性能推定結果２０３として出力してもよい。

【0103】

なお、断熱性能推定結果２０３は、学習済みモデル３０３によって算出された値（Ｑ値）に基づいた指標であればよく、断熱性能推定結果２０３の決定方法は上述した手法に限定されない。例えば、推定部２３は、算出したＱ値を断熱性能推定結果２０３として出力してもよい。

【0104】

推定部２３から出力された断熱性能推定結果２０３は、例えば、断熱性能推定装置２の出力装置１０５としての表示装置（ディスプレイ）に表示され、また、断熱性能推定装置２のＩ／Ｆ装置１０４を介して、外部のストレージや情報処理装置等に出力される。

【0105】

次に、断熱性能推定システム１における処理の流れについて説明する。

【0106】

図１１は、第１の実施の形態に係る断熱性能推定システム１による処理の流れを示すフロー図である。

【0107】

先ず、図１１に示すように、断熱性能推定システム１において、学習済みモデル生成装置３が、学習用画像データ３０２＿１～３０２＿ｍを生成する（ステップＳ１）。

【0108】

図１２は、学習用画像データ３０２の生成処理（ステップＳ１）の詳細な流れを示すフロー図である。

【0109】

ステップＳ１において、先ず、学習済みモデル生成装置３が、電力データ管理装置４において電力データ４０が管理されている建物７＿１～７＿ｎのうち、断熱性能指数４３が予め登録されている建物７を選択する（ステップＳ１１）。

【0110】

次に、学習済みモデル生成装置３において、データ取得部３１が、上述した手法により、ステップＳ１１で選択した建物７に関する電力量のデータ４１および気温のデータ４２を電力データ管理装置４等から取得する（ステップＳ１２）。

【0111】

次に、学習済みモデル生成装置３において、画像生成部３３が、上述した手法により、ステップＳ１２で取得した電力量のデータ４１と気温のデータ４２とに基づいて、ステップＳ１１で選択した建物７の気温－電力量特性を表す画像３０１を生成する（ステップＳ１３）。

【0112】

次に、学習済みモデル生成装置３において、ラベリング部３４が、ステップＳ１１において選択された建物７の断熱性能指数４３を取得する（ステップＳ１４）。

【0113】

次に、ラベリング部３４が、ステップＳ１３において生成された画像３０１に、ステップＳ１４で取得した断熱性能指数４３を正解ラベルとして付与し、学習用画像データ３０２を生成する（ステップＳ１５）。

【0114】

次に、学習済みモデル生成装置３は、学習済みモデル３０３を生成するために必要な数の学習用画像データ３０２が生成されたか否かを判定する（ステップＳ１６）。例えば、学習済みモデル生成装置３には、学習済みモデル３０３を生成するために必要な学習用画像データ３０２の画像数が予め設定されており、学習済みモデル生成装置３は、学習用画像データ３０２を生成する度に、生成回数をカウントしておく。そして、学習済みモデル生成装置３は、カウントした生成回数が予め設定された画像数に到達したか否かを判定することにより、必要な数の学習用画像データ３０２が生成されたか否かを判定する。

【0115】

必要な数の学習用画像データ３０２が生成されてない場合には（ステップＳ１６：Ｎｏ）、学習済みモデル生成装置３は、ステップＳ１１に戻り、新たな建物７を選択して、当該建物７に関する学習用画像データ３０２を生成することを繰り返す（ステップＳ１２～Ｓ１６）。

【0116】

一方、必要な数の学習用画像データ３０２が生成された場合には（ステップＳ１６：Ｎｏ）、学習済みモデル生成装置３は、学習用画像データ３０２の生成処理（ステップＳ１）を終了する。

【0117】

ステップＳ１が終了した後、学習済みモデル生成装置３は、図１１に示すように、ステップＳ１で生成した複数の学習用画像データ３０２を用いて、学習済みモデル３０３を生成する（ステップＳ２）。具体的には、学習済みモデル生成部３６が、上述した手法により、ステップＳ１で作成された複数の学習用画像データ３０２を所定のアルゴリズム（例えば、ＣＮＮ）に基づいて機械学習することにより、学習済みモデル３０３を作成する。

【0118】

そして、学習済みモデル３０３について充分な精度が得られた場合には、その学習済みモデル３０３を記憶部３５に記憶する。学習済みモデル３０３について充分な精度が得られたか否かの判定は、以下のように行えばよい。例えば、断熱性能推定装置２の推定部２３と同様の機能を有する演算部を学習済みモデル生成装置３に設けておき、その演算部にいくつかのサンプルデータを学習済みモデル３０３に入力して断熱性能指数を算出する。そして、演算部によって算出した断熱性能指数の正解率が所定の閾値を超えた場合に、学習済みモデル３０３について十分な検出精度が得られたと判定し、その検査結果の正解率が所定の閾値を超えない場合には、引き続き、学習用画像データ３０２の機械学習を進めればよい。

【0119】

次に、ステップＳ２において学習済みモデル生成装置３によって生成された学習済みモデル３０３を、断熱性能推定装置２に登録する（ステップＳ３）。例えば、ユーザによる断熱性能推定装置２または学習済みモデル生成装置３の入力装置１０３（キーボードやマウス等）の操作に応じて、学習済みモデル生成装置３が、記憶部３５に記憶された学習済みモデル３０３を断熱性能推定装置２に送信し、断熱性能推定装置２が、受信した学習済みモデル３０３を記憶部２２に記憶する。

【0120】

次に、断熱性能推定装置２が、断熱性能推定処理を実行する（ステップＳ４）。
例えば、ユーザが断熱性能推定装置２の入力装置１０３（キーボードやマウス等）を操作して、特定の建物７に関する断熱性能の推定を行うことを指示した場合に、断熱性能推定装置２がその指示に応じて断熱性能推定処理を開始する。

【0121】

図１３は、断熱性能推定処理（ステップＳ４）の流れを示すフロー図である。

【0122】

ステップＳ４において、先ず、断熱性能推定装置２のデータ取得部２１が、ユーザによって指定された建物７の検査対象画像データ２０１を取得する（ステップＳ４１）。

【0123】

例えば、予め、検査対象の建物７の検査対象画像データ２０１が断熱性能推定装置２の記憶部２２に格納されている場合には、データ取得部２１は、記憶部２２から検査対象画像データ２０１を取得する。一方、検査対象の建物７の検査対象画像データ２０１が断熱性能推定装置２の記憶部２２に格納されていない場合には、上述したように、断熱性能推定装置２が、指定された検査対象の建物７の気温－電力量特性の画像データの生成を学習済みモデル生成装置３に要求し、学習済みモデル生成装置３が、当該要求に応じて、検査対象の建物７の気温－電力量特性の画像データを生成して、断熱性能推定装置２に送信する。

【0124】

断熱性能推定装置２のデータ取得部２１は、学習済みモデル生成装置３から受信した画像データを、検査対象画像データ２０１として記憶部２２に記憶しておく。

【0125】

次に、断熱性能推定装置２において、推定部２３が記憶部２２に記憶された学習済みモデル３０３と、ステップＳ４１で取得した検査対象画像データ２０１とに基づいて、検査対象の建物７の断熱性能指数を算出する（ステップＳ４２）。具体的には、上述したように、推定部２３が、図７に示すようなＣＮＮモデルに検査対象画像データ２０１を入力することによって断熱性能指数２０２としてのＱ値を算出する。

【0126】

次に、推定部２３は、断熱性能推定結果２０３を出力する（ステップＳ４３）。例えば、推定部２３は、ステップＳ４２において算出したＱ値に基づいて、図１０に示す断熱性能を示す複数の等級の中から一つの等級を選択して、断熱性能推定結果２０３として出力する。断熱性能推定結果２０３は、例えば、断熱性能推定装置２の出力装置１０５としての表示装置（ディスプレイ）に表示される。

【0127】

以上の処理手順により、断熱性能推定システム１において、断熱性能を推定するための学習済みモデル３０３の生成と学習済みモデル３０３を用いた断熱性能の推定が行われる。

【0128】

なお、上記フロー図において、断熱性能推定処理（ステップＳ４）は、学習済みモデル３０３を生成して登録するまでの処理（ステップＳ１～Ｓ３）に連続して行われる必要はない。断熱性能推定処理（ステップＳ４）を実行する前に、学習済みモデル３０３を生成して登録するまでの処理（ステップＳ１～Ｓ３）が完了していればよい。

【0129】

以上、第１の実施の形態に係る断熱性能推定装置２は、建物の周辺の気温と当該建物における電力量との相関関係を示す画像に断熱性能指数をラベリングして生成された複数の学習用画像データを機械学習することによって調整された学習済みパラメータを含む学習済みモデル３０３に、検査対象の建物の周辺の気温と当該建物における電力量との相関関係を示す検査対象画像データ２０１を入力することにより、検査対象の建物の断熱性能指数を推定する。

【0130】

これによれば、例えば、ユーザが検査対象の建物の電力量と気温との相関関係を示す画像を用意して断熱性能推定装置２に入力するだけで、その建物の断熱性能を容易に推定することが可能となる。
また、学習用画像データ３０２および検査対象画像データ２０１を生成するために必要な電力量のデータ４１は、建物に設置されているスマートメータに代表されるデータの送受信が可能な計器７０によって容易に取得することができ、また、気温のデータ４２も容易に取得することができることから、建物の居住者に大きな負担を強いることはない。

【0131】

このように、第１の実施の形態に係る断熱性能推定装置２によれば、上述した従来の断熱性能の推定手法に比べて、居住者の負担を抑えつつ、より簡単に建物の断熱性能を推定することが可能となる。

【0132】

また、学習用画像データ３０２の基になる画像３０１は、建物の周辺の気温と当該建物における電力量とによって特定される点の密度の分布を単位画像毎にヒートマップで表したデータである。
これによれば、学習用画像データ３０２が、各建物の気温－電力量特性の特徴量をより明確に表現した画像データとなるので、断熱性能の推定精度の高い学習済みモデルを生成することが可能となる。

【0133】

また、学習済みモデルを生成するための機械学習のアルゴリズムとして、ＣＮＮを採用することにより、気温－電力量特性を表す画像の特徴量をより適切に反映した学習済みモデルを生成することができるので、断熱性能の推定精度を更に高めることが可能となる。

【0134】

また、断熱性能指数として熱損失係数（Ｑ値）を用いることにより、断熱性能を適切に推定することが可能となる。また、上述したように、近年の新築住宅の場合、Ｑ値は設計図書の断熱仕様を元に計算できるので、気温－電力量特性の画像３０１にラベリングする正解データを容易に入手することが可能となる。

【0135】

また、断熱性能推定装置２は、算出した断熱性能指数に基づいて、予め設定された、建物の断熱性能を表す複数の等級の中から一つの等級を選択し、検査対象の建物の断熱性能推定結果として出力する。
これによれば、例えば、検査対象の建物の居住者等にその建物の断熱性能を伝える際に、断熱性能指数としての熱損失係数（Ｑ値）等の数値を単に提示する場合に比べて、その建物の断熱性能の良し悪しを、より直観的に理解してもらうことが可能となる。

【0136】

≪第２の実施の形態≫
図１４は、第２の実施の形態に係る断熱性能推定システム１Ａにおける学習済みモデル生成装置３Ａの機能ブロック構成を示す図である。
図１５は、第２の実施の形態に係る断熱性能推定システム１Ａにおける断熱性能推定装置２Ａの機能ブロック構成を示す図である。

【0137】

第２の実施の形態に係る断熱性能推定システム１Ａは、建物の属性毎に学習済みモデルを生成するとともに、検査対象の建物の属性に対応する学習済みモデルを用いて断熱性能を推定する点において、第１の実施の形態に係る断熱性能推定システム１と相違し、その他の点においては断熱性能推定システム１と同様である。

【0138】

第２の実施の形態に係る断熱性能推定システム１Ａは、第１の実施の形態に係る断熱性能推定システム１と同様に、ネットワーク５を介して電力データ管理装置４等と通信が可能となっている（図１参照）。

【0139】

断熱性能推定システム１Ａは、学習済みモデル生成装置３Ａと断熱性能推定装置２Ａを有している。

【0140】

先ず、断熱性能推定システム１Ａにおける学習済みモデル生成装置３Ａについて説明する。
図１４に示すように、学習済みモデル生成装置３Ａにおいて、データ取得部３１Ａは、電力量のデータ４１、気温のデータ４２、および断熱性能指数４３に加えて、建物の属性を示す建物属性情報４４を取得する。

【0141】

建物属性情報４４は、例えば、建物が存在する地域の情報、および建物の居住者の世帯種別の情報である。なお、建物属性情報４４は、上記の例に限られず、建物の構造等の他の情報であってもよい。

【0142】

建物が存在する地域の情報とは、建物の所在地に関する情報であり、例えば、都道府県、市町村、または郵便番号等の情報である。建物の居住者の世帯種別の情報とは、建物の世帯人数に関する情報であり、例えば、単身世帯か否か等の情報である。

【0143】

建物が存在する地域の情報および建物の居住者の世帯種別の情報は、例えば、電力使用の契約において計器ＩＤに紐づけられており、電力データ管理装置４またはネットワーク５に接続された他の情報処理装置内に記憶され、管理されている。

【0144】

データ取得部３１Ａは、例えば、ネットワーク５を介して電力データ管理装置４または他の情報処理装置から、建物が存在する地域の情報および建物の居住者の世帯種別の情報の少なくとも一つを建物属性情報４４として取得し、電力量のデータ４１等とともに、建物毎に記憶部３５Ａに記憶する。

【0145】

学習用画像データ生成部３２Ａは、学習用画像データ３０２を生成する。生成された学習用画像データ３０２は、建物の属性毎に分類される。

【0146】

具体的に、学習用画像データ生成部３２Ａにおいて、画像生成部３３Ａは、第１の実施の形態に係る画像生成部３３と同様に、データ取得部３１Ａによって取得した電力量のデータ４１と気温のテータ４２とに基づいて、建物７の周辺の気温と当該建物７における電力量との相関関係を示す画像３０１を建物７毎に生成する。

【0147】

ラベリング部３４Ａは、画像生成部３３Ａによって生成された気温－電力量特性を表す画像３０１に、当該画像３０１に対応する建物７の断熱性能指数４３を正解ラベルとして付与し、学習用画像データ３０２を生成する。

【0148】

ラベリング部３４Ａは、生成した学習用画像データ３０２に、建物属性情報４４を関連付けて記憶部３５Ａに記憶する。例えば、ラベリング部３４Ａは、建物が存在する地域の情報と建物の居住者の世帯種別の情報の少なくとも一つを各学習用画像データ３０２にタグ付けして記憶部３５Ａに記憶する。

【0149】

学習済みモデル生成部３６Ａは、建物の属性が共通する複数の学習用画像データ３０２を機械学習することにより、建物の属性毎に学習済みモデル３０３を生成する。
具体的に、学習済みモデル生成部３６Ａは、学習用画像データ生成部３２Ａによって生成された学習用画像データ３０２＿１～３０２＿ｍのうち同一の建物属性情報４４がタグ付けされた学習用画像データ３０２を記憶部３５Ａから読み出して機械学習することにより、各建物の属性に対応する学習済みモデル３０３Ａ＿１～３０３Ａ＿ｐ（ｐは２以上の整数）をそれぞれ生成する。

【0150】

例えば、学習済みモデル生成部３６Ａは、同一の地域に存在する建物の学習用画像データ３０２を用いて、地域毎（例えば、都道府県、市町村、郵便番号毎）の学習済みモデル３０３Ａを生成し、記憶部３５Ａに記憶する。また、例えば、学習済みモデル生成部３６Ａは、世帯毎の学習用画像データ３０２を用いて、単身世帯の学習済みモデル３０３Ａと複数世帯の学習済みモデル３０３Ａをそれぞれ生成し、記憶部３５Ａに記憶する。

【0151】

次に、断熱性能推定システム１Ａにおける断熱性能推定装置２Ａについて説明する。
断熱性能推定装置２Ａにおいて、データ取得部２１Ａは、予め、学習済みモデル生成装置３によって建物の属性毎に生成された学習済みモデル３０３Ａ＿１～３０３Ａ＿ｐを取得して記憶部２２Ａに記憶しておく。

【0152】

データ取得部２１Ａは、断熱性能の検査対象の建物に関する検査対象画像データ２０１と当該建物の建物属性情報２０４を取得する。推定部２３Ａは、データ取得部２１Ａによって取得した検査対象画像データ２０１および建物属性情報２０４と、検査対象の建物の属性に対応する学習済みモデル３０３Ａとに基づいて、検査対象の建物の断熱性能指数２０２を算出する。

【0153】

具体的には、推定部２３Ａは、記憶部２２Ａに記憶されている複数の学習済みモデル３０３Ａ＿１～３０３Ａ＿ｐのうち、建物属性情報２０４によって特定される属性に対応する学習済みモデル３０３Ａ＿１～３０３Ａ＿ｓ（ｓ≦ｐ）に検査対象画像データ２０１をそれぞれ入力することにより、検査対象の建物の断熱性能指数（推定値）２０２＿１～２０２＿ｓを複数算出し、算出した複数の断熱性能指数２０２＿１～２０２＿ｓに基づいて、検査対象の建物の断熱性能推定結果２０３を生成する。

【0154】

ここで、一例として、検査対象の建物の属性が、“Ｘ県Ｙ市”且つ“複数世帯”である場合を考える。

【0155】

この場合、先ず、推定部２３Ａは、例えば、Ｘ県Ｙ市内の建物に基づく学習用画像データ３０２に基づいて生成された学習済みモデル３０３Ａに検査対象画像データ２０１を入力して、検査対象の建物のＱ値を算出し、算出したＱ値を断熱性能指数（推定値）２０２＿１として記憶部２２Ａに記憶する。また、推定部２３Ａは、複数世帯の建物に基づく学習用画像データ３０２に基づいて生成された学習済みモデル３０３に検査対象画像データ２０１を入力して、検査対象の建物のＱ値を算出し、算出したＱ値を断熱性能指数（推定値）２０２＿２として記憶部２２Ａに記憶する。

【0156】

次に、推定部２３Ａは、算出した複数の断熱性能指数２０２＿１，２０２＿２に基づいて、検査対象の建物の断熱性能推定結果２０３を生成する。例えば、推定部２３Ａは、断熱性能指数２０２＿１と断熱性能指数２０２＿２の平均値を算出し、その平均値に基づいて図１０に示した等級を決定し、断熱性能推定結果２０３として出力する。

【0157】

なお、断熱性能推定結果２０３としての断熱性能の等級は、複数の断熱性能指数を用いて算出されていればよく、上述した手法に限定されない。例えば、３つ以上の学習済みモデル３０３を用いて断熱性能指数を算出した場合には、推定部２３Ａは、最も数の多い等級（断熱性能指数の範囲）を、検査対象の建物の断熱性能推定結果２０３として出力してもよい。
以上、第２の実施の形態に係る断熱性能推定装置２Ａは、検査対象の建物の属性に対応する複数の学習済みモデル３０３Ａに基づいて、検査対象の建物の断熱性能指数を複数算出し、算出した複数の断熱性能指数に基づいて、検査対象の建物の断熱性能推定結果２０３を生成する。

【0158】

これによれば、検査対象の建物の属性に応じてより適切な学習済みモデルを用いて断熱性能指数を算出することができるので、より高精度な断熱性能の推定が可能となる。特に、建物の属性の情報として、建物が存在する地域の情報や建物の居住者の世帯種別の情報を用いることにより、居住環境や居住者の生活スタイルを考慮した、より高精度な断熱性能の推定が可能となる。

【0159】

≪実施の形態の拡張≫
以上、本発明者らによってなされた発明を実施の形態に基づいて具体的に説明したが、本発明はそれに限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは言うまでもない。

【0160】

例えば、上記実施の形態では、断熱性能推定装置２と学習済みモデル生成装置３とが一つの断熱性能推定システム１を構成する場合を例示したが、これに限られない。例えば、断熱性能推定に係るサービスの提供者が学習済みモデル３０３をサービスの受け手であるユーザ（例えば、検査対象の建物の居住者）に提供し、そのユーザが、自ら所持するＰＣやタブレット端末等の情報処理装置にそれらをインストールすることにより、学習済みモデル生成装置３とは独立して、そのユーザが所有する情報処理装置を断熱性能推定装置２として機能させてもよい。

【0161】

この場合、断熱性能推定装置２としてのユーザが所有するＰＣやタブレット端末等は、サービス提供者の学習済みモデル生成装置３とインターネットを含むネットワーク５を介して学習済みモデル３０３を取得してもよいし、予め学習済みモデル３０３をメモリカード等の記憶媒体に記憶してユーザに提供し、ユーザが学習済みモデル３０３を自ら所有する情報処理装置にインストールしてもよい。

【0162】

また、上述のフローチャートは、動作を説明するための一例を示すものであって、これに限定されない。すなわち、フローチャートの各図に示したステップは具体例であって、このフローに限定されるものではない。例えば、一部の処理の順番が変更されてもよいし、各処理間に他の処理が挿入されてもよいし、一部の処理が並列に行われてもよい。

【符号の説明】

【0163】

１，１Ａ…断熱性能推定システム、２，２Ａ…断熱性能推定装置、３，３Ａ…学習済みモデル生成装置、４…電力データ管理装置、５…ネットワーク、７，７＿１～７＿ｎ…建物、２１，２１Ａ…データ取得部、２２，２２Ａ…記憶部、２３，２３Ａ…推定部、３１，３１Ａ…データ取得部、３２，３２Ａ…学習用画像データ生成部、３３，３３Ａ…画像生成部、３４，３４Ａ…ラベリング部、３５，３５Ａ…記憶部、３６，３６Ａ…学習済みモデル生成部、４０，４０＿１～４０＿ｎ…電力データ、４１…電力量のデータ、４２…気温のデータ、４３…断熱性能指数、４４…建物属性情報、７０，７０＿１～７０＿ｎ…計器（ＳＭ）、１０１…演算装置、１０２…記憶装置、１０３…入力装置、１０４…Ｉ／Ｆ装置、１０５…出力装置、１０６…バス、２０１…検査対象画像データ、２０２…断熱性能指数（推定値）、２０３…断熱性能推定結果、２０４…建物属性情報、３０１，３０１＿１～３０１＿４…画像、３０２，３０２＿１～３０２＿ｍ…学習用画像データ、３０３，３０３Ａ，３０３Ａ＿１～３０３Ａ＿ｐ，３０３Ａ＿ｓ…学習済みモデル、１０２１…プログラム（学習済みモデル生成用プログラム）、１０２２，１０２４…データ、１０２３…プログラム（断熱性能推定用プログラム）。

【図1】

【図2】

【図3】

【図4】

【図5A】

【図5B】

【図6A】

【図6B】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】