JP6280569B2 - 動作パラメータ値学習装置、動作パラメータ値学習方法、学習型機器制御装置及びプログラム - Google Patents

Description

本発明の実施形態は、動作パラメータ値学習装置、動作パラメータ値学習方法、及び学習型機器制御装置に関する。

スマートハウスの分野において、家庭内の機器を統合して自動制御することでユーザの利便性を向上させる技術が開発されている。このような技術では、予め準備された制御ルールに基づいて自動制御を実施する方法が一般的である。しかしながら、制御ルールにおいて利用される温度や照度などの動作パラメータの適切な値はユーザによって異なるため、動作パラメータ値に一律な値を設定すると、ユーザが利便性を低下させてしまうおそれがある。そこで、ユーザの機器の使い方に基づいて制御ルールを学習し、学習された制御ルールに基づいて自動制御を実施する方法が考えられている。

従来、制御ルールの学習方法として、ユーザにより機器の操作が行われた際の時間、曜日、気温、天気などの外的要因の規則性から制御ルールを学習する方法が提案されている。このような従来技術では、各種の情報の規則性を発見して新しい制御ルールを学習するため、学習する制御ルールの自由度が高い。しかしながら、学習可能な制御ルールの組み合わせが多岐にわたるため、少量のデータで偶然生じた規則性により、ユーザにとって予想外の制御ルールを学習する可能性があるという課題があった。

また、複数のユーザにより機器の操作が行われる場合、快適と感じる動作パラメータがユーザ毎に異なることがあるため、ユーザ全体にとって最適な制御ルールを学習することは困難であった。

特開２００３−１１１１５７号公報

ユーザにとって不快感の少ない動作パラメータ値を学習することができる動作パラメータ値学習装置及び動作パラメータ値学習方法を提供する。また、動作パラメータ値を利用して機器を制御することができる学習型機器制御装置を提供する。

一実施形態に係る動作パラメータ値学習装置は、機器の動作パラメータの値をユーザごとに学習する。動作パラメータ値学習装置は、計算手段と、選択手段と、を備える。計算手段は、ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、機器が各動作パラメータ値で動作したと推定される継続時間を、ユーザごとに計算する。選択手段は、計算手段により計算された継続時間から、各継続時間おいて機器が各動作パラメータ値で動作を継続する継続率特徴量をユーザごとに計算し、計算された継続率特徴量に基づいて動作パラメータ値を選択する。

動作パラメータ値学習装置の機能構成の一例を示すブロック図。 本実施形態に係る履歴情報の一例を示す図。 本実施形態に係る適用条件の一例を示す図。 本実施形態に係る処理対象動作パラメータ値の一例を示す図。 本実施形態における開始判定を説明する図。 本実施形態における開始判定を説明する図。 本実施形態に係る終了条件の一例を示す図。 本実施形態に係る継続時間情報の一例を示す図。 本実施形態に係る継続率特徴量の一例を示す図。 本実施形態に係る選択条件の一例を示す図。 本実施形態に係る動作パラメータ値学習装置の構成の一例を示す図。 本実施形態に係る動作パラメータ値学習装置の学習処理を示すフローチャート。 動作パラメータ値通知部を備えた図１の動作パラメータ値学習装置の機能構成の一例を示すブロック図。 学習型機器制御装置の機能構成の一例を示すブロック図。 本実施形態に係る制御ルールの一例を示す図。 本実施形態に係る学習型機器制御装置による学習処理を示すフローチャート。 本実施形態に係る学習型機器制御装置による制御処理を示すフローチャート。

以下、動作パラメータ値学習装置（以下、「学習装置」という）及び動作パラメータ値学習方法（以下、「学習方法」という）の実施形態について、図１〜図１１を参照して説明する。本実施形態に係る学習装置及び学習方法は、ユーザにとって最適な、機器（以下、「対象機器」という）の動作パラメータの値を学習する。対象機器には、冷暖房機器や照明機器などが含まれるが、対象機器はこれに限られない。動作パラメータは、対象機器が動作する際に設定可能な各種のパラメータである。例えば、動作パラメータには、冷暖房機器の設定温度、風量、及び風向や、照明機器の照度などが含まれる。動作パラメータは対象機器に応じて決まる。学習装置は、対象機器の動作パラメータが複数の値（動作パラメータ値）を取り得る場合に、ユーザにとって最適な動作パラメータ値を学習することができる。本明細書において、ユーザにとって最適な動作パラメータ値とは、ユーザにとって不快感の少ない動作パラメータ値であって、後述する選択条件を満たす動作パラメータのことである。以下では、対象機器が家庭に設置されている場合について説明するが、対象機器の設置場所は店舗、オフィス、工場、商業施設など任意である。

図１は、本実施形態に係る学習装置の機能構成の一例を示すブロック図である。図１に示すように、学習装置は、家庭内の各種の情報を取得する情報取得手段１と、適用条件及び動作パラメータ値を記憶する記憶手段２と、対象機器が各動作パラメータ値で動作した継続時間を計算する計算手段３と、継続時間に基づいて最適な動作パラメータ値を選択する選択手段４とを備える。

情報取得手段１は、家庭内の各種の情報を取得する。図１に示すように、情報取得手段１は、ユーザ情報を取得するユーザ情報取得部１０１と、環境情報を取得する環境情報取得部１０２と、機器情報を取得する機器情報取得部１０３と、取得された情報を記憶する履歴情報記憶部１０４とを備える。

ユーザ情報取得部１０１は、所定の時間間隔でユーザ情報を取得する。ユーザ情報とは、家庭内における対象機器のユーザ（居住者や来客）の行動状態を示す情報である。ユーザ情報には、例えば、ユーザが在室中、外出中（不在）、睡眠中、及び調理中であることなどを示す情報が含まれる。ユーザ情報取得部１０１として、人感センサ、温度センサ、照度センサなどの各種のセンサを利用することができる。ユーザ情報取得部１０１は、取得したユーザ情報を履歴情報記憶部１０４に送信する。

環境情報取得部１０２は、所定の時間間隔で環境情報を取得する。環境情報とは、家庭内の環境の状態を示す情報である。環境情報には、例えば、温度、湿度、及び照度などを示す情報が含まれる。環境情報取得部１０２として、温度センサ、湿度センサ、及び照度センサなどの各種のセンサを利用することができる。環境情報取得部１０２は、取得した環境情報を履歴情報記憶部１０４に送信する。

なお、上述のユーザ情報取得部１０１及び環境情報取得部１０２として、１つあるいは複数のセンサから取得した情報や時刻情報に基づいて、ユーザの行動状態や環境状態を推定・計測する仮想的なセンサを利用してもよい。このような仮想的なセンサには、例えば、照度情報や時刻情報によりユーザが睡眠中であるか否か推定する睡眠センサや、温度情報と湿度情報に基づいて不快指数を計測する不快指数センサが含まれる。

機器情報取得部１０３は、所定の時間間隔で機器情報を取得する。機器情報とは、対象機器の動作状態を示す情報である。機器情報には、動作中（ＯＮ）及び停止中（ＯＦＦ）、及び動作中の動作パラメータ値などを示す情報が含まれ、例えば、冷暖房機器の設定温度、風量、及び風向、照明機器の照度、ブラインドの開閉状態などを示す情報が含まれる。また、機器情報には、対象機器以外の機器の動作状態を示す情報が含まれてもよい。

機器情報取得部１０３として、例えば、対象機器から機器情報を取得する外部装置を利用することができる。また、対象機器から機器情報を直接取得する構成も可能である。この場合、機器情報取得部１０３の機能構成は、対象機器の機能の一部により実現される。機器情報取得部１０３は、取得した機器情報を履歴情報記憶部１０４に送信する。

履歴情報記憶部１０４は、ユーザ情報取得部１０１、環境情報取得部１０２、及び機器情報取得部１０３から所定の時間間隔で情報を取得し、取得した情報を履歴情報として記憶する。

ここで、図２は、履歴情報記憶部１０４に記憶されたユーザ情報、環境情報、及び機器情報の一例を示す図である。図２（ａ）は、ユーザ情報の一例であり、各時刻におけるユーザの在室状態を示している。図２（ｂ）は、環境情報の一例であり、各時刻における室温を示している。図２（ｃ）は、機器情報の一例であり、各時刻における対象機器の運転状態（ＯＮ／ＯＦＦ）を示している。

履歴情報記憶部１０４に記憶されたこれらの履歴情報は、補完処理、平滑化処理、及び異常値除去処理などを施されてもよい。これにより、後述する継続時間及び継続率特徴量を精度よく計算することが可能となり、学習装置の学習精度を向上させることができる。

以下、履歴情報記憶部１０４に履歴情報として記憶されたユーザ情報、環境情報、及び機器情報を、まとめて履歴情報と称する。履歴情報記憶部１０４は、後述する計算手段３からの要求に応じて、記憶した履歴情報を送信する。

なお、情報取得手段１は、上述のユーザ情報、環境情報、機器情報の他にも、例えば、外気温や天候を示す情報を取得し、履歴情報記憶部１０４に記憶してもよい。また、本実施形態に係る学習装置は、情報取得手段１を備えない構成も可能である。この場合、学習装置は、外部に設けられたデータベースなどからユーザ情報、環境情報、及び機器情報などの履歴情報を取得すればよい。

記憶手段２は、適用条件及び動作パラメータ値を記憶する。記憶手段２は、図１に示すように、適用条件テーブル１０５とパラメータテーブル１０６とを備える。

適用条件テーブル１０５は、適用条件を記憶している。適用条件とは、学習装置が動作パラメータ値を学習する範囲を規定する条件である。本実施形態に係る学習装置は、履歴情報記憶部１０４に記憶された履歴情報が適用条件を満たす場合の動作パラメータ値を学習する。

適用条件は、ユーザの行動状態、環境状態、対象機器の動作状態、及び時刻の範囲の少なくとも１つに基づいて設定される。図３は、適用条件の一例を示す図である。図３に示すように、例えば、ユーザの行動状態に基づいて、在室中や外出中（不在）などの適用条件を設定することができる。また、環境状態に基づいて、室温や照度の範囲などの適用条件を設定したり、対象機器の動作状態に基づいて、対象機器が動作中や、対象機器の動作パラメータ値の範囲などの適用条件を設定したりすることもできる。さらに、これらの適用条件を組み合わせて１つの適用条件として設定することもできる。またさらに、時刻の範囲に基づいて、夜間や昼間などの適用条件を設定することもできる。適用条件テーブル１０５は、後述する計算手段３からの要求に応じて、記憶した適用条件を送信する。

動作パラメータ値テーブル１０６は、後述する計算手段３により継続時間を計算する対象となる複数の処理対象動作パラメータ値を、適用条件ごとに記憶している。図４は、動作パラメータ値テーブル１０６に記憶された処理対象動作パラメータ値の一例を示す図である。図４において対象機器は冷暖房機器であり、動作パラメータは設定温度である。処理対象動作パラメータ値として、１℃間隔の設定温度が記憶されている。例えば、計算手段３は、ＩＤ１の適用条件を利用して継続時間を計算する場合、冷暖房機器が設定温度１７℃、１８℃、１９℃、２０℃で動作した継続時間をそれぞれ計算する。

なお、設定温度の間隔は、０．５℃や２℃など任意に設定することができる。また、動作パラメータが風量の場合には、処理対象動作パラメータ値として、「弱」、「中」、「強」などの風量が記憶されてもよい。

動作パラメータ値テーブル１０６は、後述する選択手段４により選択された動作パラメータ値を適用条件と対応付けて記憶することもできる。動作パラメータ値テーブル１０６は、計算手段３からの要求に応じて、記憶した適用条件を送信する。

計算手段３は、ユーザ毎の継続時間を計算する。継続時間とは、対象機器がある動作パラメータ値で動作を継続したと推定される時間のことである。計算手段３は、履歴情報が開始条件を満たした開始時刻から、終了条件を満たした終了時刻までの経過時間として、継続時間を計算する。計算手段３は、所定の学習期間の履歴情報を取得し、履歴情報が適用条件を満たす範囲における継続時間を、処理対象動作パラメータ値ごとに計算する。学習期間は、例えば、１日、１週間、１か月など任意に設定することができる。また、計算手段３は、対象機器を操作したユーザを推定し、推定したユーザ情報を各継続時間に付加する。

計算手段３は、図１に示すように、履歴情報が開始条件を満たすか判定する開始判定部１０７と、履歴情報が終了条件を満たすか終了判定部１０８と、終了条件を記憶する終了条件テーブル１０９と、開始時刻と終了時刻とに基づいて継続時間を計算する継続時間計算部１１０と、継続率特徴量に基づいて継続時間にユーザ情報を付加する継続時間分割部１１８と、ユーザ情報を追加された継続時間を記憶する継続時間テーブル１１１とを備える。

開始判定部１０７は、履歴情報が開始条件を満たすか否かを判定する開始判定を実行する。開始条件とは、対象機器がある動作パラメータ値で動作を開始したことを推定するための条件であり、適用条件と処理対象動作パラメータ値とに基づいて設定される。開始判定部１０７は、履歴情報に対して時間の昇順で開始判定を実行し、履歴情報が開始条件を満たさない状態から開始条件を満たす状態になった時刻を開始時刻として取得する。開始判定部１０７は、取得した開始時刻、適用条件、及び動作パラメータ値を、終了判定部１０８及び継続時間計算部１１０に送信する。開始判定部１０７により取得された開始時刻は、継続時間の始点となる。

図５は、開始判定部１０７が取得した履歴情報、適用条件、及び処理対象動作パラメータ値の一例を示す図である。図５において、対象機器は暖房機器、学習期間は２４時間、適用条件は在室中、処理対象動作パラメータ値は設定温度２２℃である。また、開始判定部１０７は、履歴情報として、ユーザの在室状態を示す在室情報（ユーザ情報）と、暖房機器の設定温度を示す設定温度情報（機器情報）を取得している。

この場合、開始判定部１０７は、履歴情報が適用条件及び処理対象動作パラメータ値を同時に満たすこと、を開始条件として開始判定を実施することができる。すなわち、ユーザが在室中であり、かつ、暖房機器が設定温度２２℃で動作していることが開始条件となる。このような開始条件が設定された場合、開始判定部１０７は、履歴情報が上述の開始条件を満たすか否か直接的に判定することができるため、容易に開始判定を実行することができる。具体的には、開始判定部１０７は、時間の昇順にしたがって履歴情報を参照し、在室情報が在室中となっているか判定し、設定温度情報が２２℃となっているか判定すればよい。当該開始判定により、開始判定部１０７は、時刻ts1，ts2を開始時刻として取得することができる。時刻ts1，ts2は、図５に示すように、履歴情報を時間の昇順で参照した場合に、履歴情報（設定温度情報）が開始条件を満たさない状態（１８℃）から開始条件を満たす状態（２２℃）に変化した時刻である。

なお、上述のように、開始時刻が複数存在する場合、開始判定部１０７は、学習期間内の開始時刻を一括して取得してもよい。また、開始判定部１０７は、開始時刻を１つずつ取得し、取得した開始時刻に対する継続時間の計算が終了した後に、次の開始時刻を取得してもよい。

図６は、開始判定部１０７が取得した履歴情報、適用条件、及び処理対象動作パラメータ値の他の例を示す図である。図６において、開始判定部１０７は、履歴情報として、設定温度情報のかわりに室温情報（環境情報）を取得している点が図５と異なる。

図６の場合、開始判定部１０７は、図５の場合と同様の開始条件を利用して開始判定を実施することができない。開始判定部１０７は、在室情報を参照することにより適用条件（在室中）を満たすか判定することはできるものの、室温情報を参照しても対象機器が設定温度２２℃で動作しているか判定することができないためである。このような場合には、開始判定部１０７は、例えば、ユーザが在室中であり、かつ、室温が２２℃であること、を開始条件として利用することができる。なぜなら、室温が２２℃であれば、暖房機器が設定温度２２℃で動作していると推定されるためである。

このような開始条件を利用した場合、開始判定部１０７は、時間の昇順にしたがって履歴情報を参照し、在室情報が在室中となっているか判定し、室温情報が２２℃となっているか判定することにより、開始判定を実行する。当該開始判定により、開始判定部１０７は、時刻ts3，ts4を開始時刻として取得することができる。時刻ts3，ts4は、図６に示すように、履歴情報を時間の昇順で参照した場合に、履歴情報が開始条件を満たさない状態から開始条件を満たす状態、すなわち、室温情報が２２℃未満から２２℃に変化した時刻である。

開始条件は、対象機器が処理対象動作パラメータ値により動作を開始したことを推定可能な条件であれば、適用条件と処理対象動作パラメータ値に基づいて任意に設定可能である。開始判定部１０７は、上述の開始条件の他にも、「室温が２２℃の状態が所定時間継続すること」などを開始条件として利用してもよい。これにより、室温の過渡的な変化を除外し、暖房機器が設定温度２２℃で動作していることをより正確に推定することができる。この場合、開始判定部１０７は、上述の時刻ts3，ts4より所定時間後の時刻を開始時刻として取得する。

終了判定部１０８は、履歴情報が終了条件を満たすか否かを判定する終了判定を実行する。終了条件とは、対象機器がある動作パラメータ値で動作を終了したことを推定するための条件である。終了判定部１０８は、開始時刻以降の履歴情報に対して時間の昇順で終了判定を実行し、履歴情報が終了条件を満たさない状態から終了条件を満たす状態になった時刻を終了時刻として取得する。終了判定部１０８は、取得した終了時刻を継続時間計算部１１０に送信する。終了判定部１０８により取得された終了時刻は、継続時間の終点となる。

ここで、図７は、終了条件テーブル１０９に記憶された終了条件の一例を示す図である。図７に示すように、終了条件は、不満条件と打ち切り条件とを含んで構成される。

不満条件（第１の終了条件）は、処理対象動作パラメータ値にユーザが不満を感じたことを判定するための条件である。不満条件には、「対象機器の効用を向上させるように動作パラメータ値が変化したこと」が含まれる。具体的には、暖房機器の設定温度の上昇、冷房機器の設定温度の低下、冷暖房機器の風量の強化、照明機器の照度の上昇などが含まれる。

例えば、暖房機器の履歴情報において、開始時刻以降に設定温度が上昇した場合、ユーザは、元の設定温度（動作パラメータ値）では寒い（不満）と感じ、暖かくなるように（効用を向上させるように）設定温度を変更したものと考えられる。すなわち、履歴情報が不満条件を満たす場合、処理対象パラメータに対してユーザが不満を感じているものと考えられる。

これに対して、打ち切り条件（第２の終了条件）は、処理対象動作パラメータ値にユーザが大きな不満を感じていない、あるいは満足していることを判定するための条件である。打ち切り条件には、「対象機器の効用を低下させるように動作パラメータ値が変化したこと」が含まれる。具体的には、暖房機器の設定温度の低下、冷房機器の設定温度の上昇、冷暖房機器の風量の弱化、照明機器の照度の低下などが含まれる。

例えば、暖房機器の履歴情報において、開始時刻以降に設定温度が低下した場合、ユーザは、元の設定温度（動作パラメータ値）では少なくとも寒い（不満）とは感じていないものと考えられる。

また、打ち切り条件には、「開始時刻以降に閾値時間を経過したこと」が含まれる。閾値時間は、任意に設定可能であり、図７の場合、２４０分に設定されている。例えば、暖房機器の履歴情報において、開始時刻以降に設定温度が２４０分間維持されている場合、ユーザは、元の設定温度（動作パラメータ値）に不満がない、あるいは満足しているものと考えられる。すなわち、履歴情報が打ち切り条件を満たす場合、処理対象パラメータに対してユーザが大きな不満を感じていない、あるいは満足しているものと考えられる。

継続時間計算部１１０は、開始判定部１０７から取得した開始時刻と、終了判定部１０８から取得した終了時刻とに基づいて継続時間を計算する。継続時間計算部１１０は、終了時刻から開始時刻を減算することにより、継続時間を計算することができる。継続時間計算部１１０は、計算した継続時間、適用条件、処理対象動作パラメータ値、及び終了条件（不満条件又は打ち切り条件）を継続時間分割部１１８及び継続時間テーブル１１１に送信する。

継続時間分割部１１８は、継続率特徴量計算部１１２から取得した継続率特徴量に基づいて、継続時間計算部１１０から取得した複数の継続時間を分割し、分割した各継続時間に対してユーザを割当てる。例えば、継続時間分割部１１８は、継続率特徴量計算部１１２から１０個の継続時間を取得した場合、ユーザＡを割当てる３個の継続時間と、ユーザＢを割当てる７個の継続時間と、に分割する。そして、継続時間分割部１１８は、各継続時間に割当てられたユーザのユーザ情報を継続時間テーブル１１１に送信する。これにより、継続時間にユーザ情報が付加される。ここで付加されるユーザ情報には、ユーザを特定する情報（ユーザＩＤ等）が含まれる。

継続時間にユーザ情報を付加することで、続特徴量計算部１１２は、各ユーザの継続率特徴量を計算することができる。また、動作パラメータ値選択部１１３は、各ユーザの継続率特徴量を考慮した動作パラメータ値の選択ができるようになる。

継続時間テーブル１１１は、継続時間計算部１１０及び継続時間分割部１１８から取得した適用条件、処理対象動作パラメータ値、継続時間、終了条件（不満条件又は打ち切り条件）、及びユーザ情報を対応付けて、継続時間情報として記憶する。図８は、継続時間テーブル１１１に記憶された継続時間情報の一例を示す図である。図８において、対象機器は暖房機器であり、動作パラメータは設定温度であり、ユーザ情報はユーザＩＤである。継続時間テーブル１１１は、選択手段４からの要求に応じて、継続時間情報を送信する。

選択手段４は、計算手段３により計算された継続時間に基づいて継続率特徴量を計算し、計算された継続率特徴量に基づいてユーザ毎の最適な動作パラメータ値を選択する。図１に示すように、選択手段４は、継続率特徴量を計算する継続率特徴量計算部１１２と、最適な動作パラメータ値を選択する動作パラメータ値選択部１１３と、選択条件を記憶する選択条件テーブル１１４とを備える。

継続率特徴量計算部１１２は、継続時間テーブル１１１から取得した継続時間情報に基づいて、処理対象動作パラメータ値ごと、かつ、ユーザごとに継続率特徴量を計算する。継続率特徴量とは、各継続時間において対象機器が処理対象動作パラメータ値で動作を継続する確率の推移を表す曲線を代表する特徴量で、例えば、全時刻の継続率や、曲線を確率分布でフィッティングした場合のパラメータである。

図９は、継続率特徴量の一例を示す図である。図９において、継続率特徴量は継続率であり、ユーザＡの設定温度１８度の継続率と、ユーザＢの設定温度１８度の継続率と、が示されている。

継続率特徴量計算部１１２は、例えば、生存時間解析における生存関数にワイブル分布（確率分布）の混合和を仮定し、最尤法で確率分布のパラメータを推定することで計算することができる。混合ワイブル分布を仮定した場合は、スケールパラメータ及び形状パラメータをユーザごとに計算できる。継続率特徴量計算部１１２は、これらの値の組を継続率特徴量としてユーザ毎に出力する。

また、継続率特徴量計算部１１２は、計算した継続率特徴量に基づいて、各継続時間に割当てられたユーザの尤度を計算する。その後、継続時間分割部１１８による継続時間の分割及びユーザの割当と、継続率特徴量計算部１１２による継続率特徴量及び尤度の計算と、が繰り返される。

継続率特徴量計算部１１２は、尤度の変化が所定の閾値以下となるまで上記の処理を繰り返し、処理の終了時点における継続率特徴量を、動作パラメータ値選択部１１３に送信する。なお、上記の処理は、予め回数が設定されていてもよい。

動作パラメータ値選択部１１３は、継続率特徴量計算部１１２から継続率特徴量を取得し、選択条件テーブル１１４から動作パラメータ値の選択条件を取得し、継続率特徴量と選択条件とを比較することにより、最適な動作パラメータ値を選択する。

図１０は、選択条件テーブル１１４に記憶された選択条件の一例を示す図である。図１０は、図９の継続率特徴量に対して設定された選択条件である。図１０の選択条件は、継続率特徴量を入力としてSupport Vector Machineなどの識別手法で計算した識別確率が０．６以上という条件を満たす動作パラメータ値（設定温度）の中で、最も小さいものを選択する、という条件である。ここでいう識別確率とは、各ユーザの継続率特徴量に基づいて計算された、ユーザが満足と感じる、或いは、不満を感じない確率である。

例えば、設定温度２０℃はユーザＡもユーザＢも識別確率が０．６以上、設定温度１９℃はユーザＡもユーザＢも識別確率が０．６以上、設定温度１８℃はユーザＡの識別確率が０．６未満、ユーザＢの識別確率が０．６以上の場合、選択条件を満たす設定温度は１９℃となる。したがって、動作パラメータ値選択部１１３は、最適な設定温度として１９℃を選択する。

このように選択することで、全てのユーザにとって不満が少ない動作パラメータ値を選択することができる。また、上記のように、識別確率と他の条件とを併用することで、ユーザの不満が少ない動作パラメータ値の中から、消費電力が最も小さい動作パラメータ値を選択することができる。なお、Support Vector Machineなど識別手法を利用する場合、予め正解データにて識別手法のパラメータを学習しておけばよい。

動作パラメータ値選択部１１３は、以上のように選択した最適な動作パラメータ値と、適用条件と、ユーザ情報と、を動作パラメータ値テーブル１１６に送信する。動作パラメータ値テーブル１０６は、取得した最適な動作パラメータ値、適用条件、及びユーザ情報を対応付けて記憶する。

なお、以上で説明した学習装置の機能構成は、例えば、汎用のコンピュータ装置２００を基本ハードウェアとして用いることで実現可能である。図１１に示すように、汎用コンピュータ装置２００は、ＣＰＵ２０２と、入力部２０３と、表示部２０４と、通信部２０５と、主記憶部２０６と、外部記憶部２０７とを備え、各部はバス２０１により相互に接続されている。

入力部２０３は、キーボード、マウス等の入力デバイスを備え、入力デバイスの操作による操作信号をＣＰＵ２０２に出力する。

表示部２０４は、ＬＣＤ（Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）等の表示ディスプレイからなる。

通信部２０５は、Ｅｔｈｅｒｎｅｔ（登録商標）、無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の通信手段を有する。通信部２０５は、ユーザ情報取得部１０１、環境情報取得部１０２、及び機器情報取得部１０３との間で通信を行い、ユーザ情報、環境情報、及び機器情報を取得する。なお、図１１において、ユーザ情報取得部１０１、環境情報取得部１０２、及び機器情報取得部１０３は外部機器に設けられている。

外部記憶部２０７は、例えば、ハードディスク、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＡＭ、及びＤＶＤ−Ｒなどの記憶媒体から構成される。外部記憶部２０７には、開始判定部１０７、終了判定部１０８、継続時間計算部１１０、継続率計算部１１２、及び動作パラメータ値選択部１１３による処理をＣＰＵ２０２に実行させるための制御プログラムが記憶されている。

主記憶部２０６は、メモリ等により構成される。主記憶部２０６は、ＣＰＵ２０２による制御の下で、外部記憶部２０７に記憶された制御プログラムを展開し、制御プログラムの実行時に必要なデータや、制御プログラムの実行により生じたデータなどを記憶する。

なお、学習装置は、上記制御プログラムをコンピュータ装置にあらかじめインストールすることで実現してもよい。また、学習装置は、ＣＤ−ＲＯＭなどの記憶媒体に記憶された、あるいはネットワークを介して配布された制御プログラムをコンピュータ装置２００に適宜インストールすることで実現してもよい。

履歴情報記憶部１０４、適用条件テーブル１０５、動作パラメータ値テーブル１０６、終了条件テーブル１０９、継続時間テーブル１１１、及び選択条件テーブル１１４は、コンピュータ装置２００に内蔵あるいは外付けされた主記憶部２０６や外部記憶部２０７などの記憶媒体を適宜利用して実現することができる。

なお、学習装置は、上述の構成要素の他に、計算された継続率や選択された動作パラメータ値などの情報を印刷するためのプリンタを備えてもよい。また、履歴情報を収集する対象機器に応じて、図１１に示す学習装置の構成を変更してもよい。

次に、本実施形態に係る学習装置の動作について、図１２を参照して説明する。図１２は、本実施形態に係る学習装置による学習処理を示すフローチャートである。図１２に示すように、学習処理が開始すると、まず、開始判定部１０７は、情報取得部１から学習期間の履歴情報を取得し、適用条件テーブル１０５から学習対象となる適用条件を取得し、動作パラメータ値テーブル１０６から適用条件と対応した処理対象動作パラメータ値を取得する（ステップＳ１）。

開始判定部１０７は、履歴情報、適用条件、及び処理対象動作パラメータ値を取得すると、複数の処理対象動作パラメータ値の中から、処理対象動作パラメータ値を１つ選択する（ステップＳ２）。次に、開始判定部１０７は、履歴情報を学習期間の始点から時間の昇順に従って参照し、適用条件と選択された処理対象動作パラメータ値とに基づいて、開始判定を実施する（ステップＳ３）。開始判定部１０７は、開始判定により最初の開始時刻を取得し、開始時刻、適用条件、及び処理対象動作パラメータ値を、終了判定部１０８及び継続時間計算部１１０に送信する。

終了判定部１０８は、開始判定部１０７から最初の開始時刻を取得すると、当該開始時刻以降の履歴情報を参照し、終了条件に基づいて終了判定を実施し（ステップＳ４）、最初の開始時刻に対する終了時刻を取得する。終了判定部１０８は、取得した終了時刻及び終了条件（不満条件又は打ち切り条件）を、継続時間計算部１１０に送信する。

継続時間計算部１１０は、終了判定部１０８から取得した終了時刻から、開始判定部１０７から取得した開始時刻を減算することにより、継続時間を計算する（ステップＳ５）。継続時間計算部１１０は、継続時間、適用条件、動作パラメータ値、及び終了条件を、継続時間分割部１１８及び継続時間テーブル１１１に送信する。

継続時間テーブル１１１は、継続時間計算部１１０から取得した適用条件、継続時間、動作パラメータ値、及び終了条件を対応付け、継続時間情報として記憶する（ステップＳ６）。継続時間テーブル１１１が継続時間情報を記憶すると、開始判定部１０７は、ステップＳ４で取得された終了時刻以降の履歴情報を参照し、再び開始判定を実施する。開始判定部１０７により次の開始時刻が取得された場合（ステップＳ７のＹｅｓ）、上述のステップＳ３〜ステップＳ６の処理を繰り返す。

一方、開始判定部１０７により次の開始時刻が取得されない場合（ステップＳ７のＮｏ）、継続時間分割部１１８は、継続率特徴量計算部１１２から取得した複数の継続時間を分割し、分割した各継続時間にユーザを割当てる（ステップＳ１９）。継続時間分割部１１８が割当てたユーザのユーザ情報は、継続時間テーブル１１１に記憶される。

１回目の分割の場合、継続時間分割部１１８は、継続時間をランダムに分割し、ユーザをランダムに割当てればよい。また、２回目以降の分割の場合、継続時間分割部１１８は、分割及び割当てをランダムに行なってもよいし、継続時間特徴量に基づいて計算された尤度に基づいて行なってもよい。

継続率特徴量計算部１１２は、それまでに継続時間テーブル１１１に記憶された継続時間情報に基づいて、継続率特徴量を計算する（ステップＳ８）。継続率計算部１１２は、継続時間テーブル１１１からステップＳ２において選択された処理対象動作パラメータ値の継続時間情報を全て、あるいは少なくとも一部を取得し、継続率特徴量を計算する。また、継続率特徴量計算部１２は、計算した継続率特徴量に基づいて、ユーザの割当ての尤度を計算する。ユーザの割当ての尤度として、混合ワイブル分布の尤度を計算してもよい。

継続率特徴量計算部１１２は、前回計算した尤度と、新たに計算した尤度と、を比較する（ステップＳ２０）。尤度の変化が閾値より大きい場合（ステップＳ２０のＮｏ）、或いは、尤度の計算が１回目の場合、処理はステップＳ１９に戻る。

一方、尤度の変化が閾値以下の場合（ステップＳ２０のＹｅｓ）、継続率特徴量計算部１１２は、計算した継続率特徴量を動作パラメータ値選択部１１３に送信し、処理はステップＳ９に進む。

継続率特徴量計算部１１２により継続率特徴量が計算されると、開始判定部１０７は、動作パラメータ値テーブル１０６から取得した全ての処理対象動作パラメータ値及びユーザについて処理が終了したか判定する（ステップＳ９）。未処理の動作パラメータ値またはユーザが存在する場合（ステップＳ９のＮｏ）、上述のステップＳ２〜ステップＳ８の処理が繰り返される。

一方、全ての処理対象動作パラメータ値及びユーザについて継続率特徴量の計算が終了した場合（ステップＳ９のＹｅｓ）、動作パラメータ値選択部１１３は、継続率特徴量計算部１１２から各動作パラメータ値の継続率特徴量を取得し、選択条件テーブル１１４から選択条件を取得する。動作パラメータ値選択部１１３は、計算された処理対象動作パラメータ値ごとの継続率特徴量と選択条件とを比較し、最適な動作パラメータ値を選択する（ステップＳ１０）。選択された動作パラメータ値は、適用条件と対応付けられて動作パラメータ値テーブル１０６に記憶される。

なお、上記の学習処理において、ステップＳ１９，Ｓ８，Ｓ２０と、ステップＳ９と、は順番が逆でもよい。この場合、継続時間テーブル１１１には、複数の動作パラメータ値の継続時間情報が記憶される。継続率特徴量計算部１１２は、複数の動作パラメータ値の継続時間情報を取得し、動作パラメータ値ごとに継続率特徴量を計算すればよい。また、開始判定部１０７は、開始時刻を１つずつ取得し、取得された開始時刻に対する継続時間が計算されてから次の開始時刻を取得しているが、学習期間内の開始時刻を一括して取得してもよい。また、ステップＳ２０は省略されてもよい。

以上説明した通り、本実施形態に係る学習装置及び学習方法によれば、選択条件で設定された識別確率よりも、各ユーザの識別確率が高い動作パラメータ値を学習することができる。したがって、本実施形態に係る学習装置によれば、対象機器が複数のユーザにより使用される場合であっても、ユーザ全体にとって不満の少ない動作パラメータ値を学習することができる。

また、本実施形態に係る学習装置は、ユーザにとって不満の少ない動作パラメータ値の中から、消費電力の最も小さい動作パラメータ値なども学習することもできるため、ユーザ全体にとって最適な動作パラメータ値を学習することができる。

さらに、本実施形態に係る学習装置は、適用条件を変化させることにより、様々な状況における最適な動作パラメータ値を学習することができる。例えば、対象機器が冷暖房機器の場合、室温や湿度ごとの最適な設定温度、風量、及び風向を学習することができる。

図１３は、動作パラメータ値通知部１１７をさらに備えた本実施形態に係る動作パラメータ値学習装置の機能構成を示すブロック図である。この動作パラメータ値学習装置は、動作パラメータ値学習装置により学習した最適な動作パラメータ値をユーザに通知する動作パラメータ値通知装置として利用することができる。

動作パラメータ値通知部１１７（通知手段）は、選択手段４により選択された最適な動作パラメータ値をユーザに通知する。動作パラメータ値通知部１１７は、履歴情報記憶部１０４から現在の、あるいは直近の所定期間の履歴情報を取得し、適用条件テーブル１０５から適用条件を取得する。動作パラメータ値通知部１１７は、取得した履歴情報と適用条件とを比較することにより履歴情報が適用条件を満たすか判定し、適用条件を満たすと判定した場合、動作パラメータ値テーブル１０６から当該適用条件と対応する最適な動作パラメータ値を取得し、ユーザに通知する。動作パラメータ値通知部１１７として、画像出力機能を備えたディスプレイや音声出力機能を備えたスピーカなどの出力装置を使用することができる。

ユーザは、動作パラメータ値通知部１１７により通知された動作パラメータ値に従って機器を制御することにより、快適な環境の構築や消費電力の低減などのメリットを享受することができる。

（第２実施形態）
次に、学習型機器制御装置（以下、「制御装置」という）の実施形態について、図１４〜図１７を参照して説明する。本実施形態に係る制御装置は、家庭、店舗、オフィス、工場、商業施設などに設置された対象機器の動作パラメータを、予め設定された制御ルールにしたがって制御する。本実施形態に係る制御装置は、第１実施形態に係る学習装置により学習された最適な動作パラメータ値を利用して対象機器を制御する。

ここで、図１４は、本実施形態に係る制御装置の機能構成を示すブロック図である。図１４に示すように制御装置は、情報取得手段１と、記憶手段２と、計算手段３と、選択手段４とを備える。以上の構成は、第１実施形態に係る学習装置と同様である。本実施形態に係る制御装置は、さらに、対象機器を制御する機器制御部１１５と、制御ルールを記憶した制御ルールテーブル１１６とを備える。

機器制御部１１５（制御手段）は、予め設定された制御ルールに従って対象機器を制御する。機器制御部１１５は、履歴情報記憶部１１４から現在（最新）の、あるいは直近の所定期間の履歴情報を取得し、制御ルールテーブル１１６から制御ルールを取得し、動作パラメータ値テーブル１０６から最適な動作パラメータ値を取得する。機器制御部１１５は、現在の履歴情報と制御ルールとを比較し、対象機器に対して制御を開始する制御ルールを選択する。

図１５は、対象機器が暖房機器の場合の制御ルールテーブルに記憶された制御ルールの一例を示す図である。図１５に示すように、各制御ルールは、制御開始条件と制御内容とから構成される。制御開始条件とは、制御ルールに従った対象機器の制御を開始するか否かを判定するための条件である。機器制御部１１５は、現在の履歴情報と制御開始条件とを比較し、現在の履歴情報が制御開始条件を満たした場合、当該制御ルールによる対象機器の制御を開始する。制御開始条件は、ユーザの行動状態、環境状態、及び機器の動作状態の少なくとも１つに基づいて設定される。制御内容とは、現在の履歴情報が制御開始条件を満たした場合に機器制御部１１５が対象機器に実行させる制御の内容である。

例えば、図１５に示すＩＤ１の制御ルールは、制御開始条件が不在時であり、制御内容が暖房機器のＯＦＦ（動作停止）である。すなわち、機器制御部１１５は、在室していたユーザが不在になると、ＩＤ１の制御ルールによる制御を開始し、暖房機器の動作を停止させる。

これに対して、図１５に示すＩＤ２の制御ルールは、制御開始条件が在室時であり、制御内容が設定温度Ｔ_１℃である。すなわち、機器制御部１１５は、不在だったユーザが在室すると、ＩＤ２の制御ルールによる制御を開始し、設定温度Ｔ_１℃で暖房機器を動作させる。ここで、ＩＤ２の制御ルールの制御内容は、暖房機器の動作パラメータ値（設定温度）により設定されており、動作パラメータ値は変数Ｔ_１で表されている。このような場合、機器制御部１１６は、動作パラメータ値Ｔ_１として、動作パラメータ値テーブル１０６に記憶された最適な動作パラメータ値を取得し、取得した動作パラメータ値を利用して対象機器を制御する。

次に、本実施形態に係る制御装置の動作について図１６及び図１７を参照して説明する。図１６は、本実施形態に係る制御装置の学習処理を示すフローチャートである。図１６に示すように、まず、開始判定部１０７が学習期間の履歴情報、制御開始条件、及び処理対象動作パラメータ値を取得する（ステップＳ１１）。

開始判定部１０７は、制御開始条件を制御ルールテーブル１１６から取得してもよい。この場合、制御装置は、適用条件テーブル１０５を備えない構成も可能である。また、適用条件テーブル１０５に制御開始条件が適用条件として予め記憶されている場合、開始判定部１０７は、制御開始条件を適用条件テーブル１０５から取得してもよい。いずれの場合も、開始判定部１０７は、上述のＩＤ２の制御ルールのように、制御内容が動作パラメータ値により設定された制御ルールの制御開始条件を取得すればよく、上述のＩＤ１のように、制御内容が動作パラメータ値により設定されていない制御ルールの制御開始条件は取得しなくてもよい。

また、開始判定部１０７は、制御開始条件ごとに記憶された処理対象動作パラメータ値を動作パラメータ値テーブル１０６から取得する。動作パラメータ値テーブル１０６には、制御開始条件ごとの処理対象動作パラメータ値を予め記憶しておけばよい。そして、開始判定部１０７は、最初に学習処理を実施する制御開始条件を１つ選択する（ステップＳ１２）。

以降の学習処理は、第１実施形態に係る学習装置の学習処理のステップＳ２〜ステップＳ１０と同様である（図１２参照）。すなわち、開始判定部１０７は処理対象動作パラメータ値を１つ選択し（ステップＳ２）、開始判定を実施して開始時刻を取得する（ステップＳ３）。終了判定部１０８は、終了判定を実施し、開始判定部１０７が取得した開始時刻に対する終了時刻及び終了条件を取得する（ステップＳ４）。継続時間計算部１１０は、開始時刻と終了時刻に基づいて継続時間を計算する（ステップＳ５）。継続時間テーブル１１１は、継続時間情報を記憶する（ステップＳ６）。以上のステップＳ２〜ステップＳ６の処理が、開始判定部１０７により開始時刻を取得できなくなるまで繰り返された後（ステップＳ７）、継続率特徴量計算部１１２は継続率特徴量を計算する（ステップＳ８）。以上のステップＳ２〜ステップＳ８の処理が全ての処理対象動作パラメータ値に対して実行される（ステップＳ９）。全ての処理対象動作パラメータ値に対する継続率特徴量が計算されると、動作パラメータ値選択部１１３は、選択条件に基づいて最適な動作パラメータ値を選択する（ステップＳ１０）。ステップＳ１０が完了した時点で、ステップＳ１１において選択された制御開始条件を含む制御ルールに対する最適な動作パラメータ値の選択が完了する。選択された最適な動作パラメータ値は、制御開始条件と対応付けて動作パラメータ値テーブル１０６に記憶される。

以上のステップＳ２〜ステップＳ１０の処理が、全ての制御開始条件に対して実行される（ステップＳ１３）。これにより、全ての制御ルールに対して最適な動作パラメータ値が選択され、動作パラメータ値テーブル１０６に記憶される。制御装置は、このような学習処理を、１時間、１日、１週間などの任意の間隔で実行することにより、最適な動作パラメータ値を更新することができる。

図１７は、本実施形態に係る制御装置の対象機器の制御処理を示すフローチャートである。図１７に示すように、まず、機器制御部１１５は、現在又は直近の所定期間の履歴情報、制御ルール、動作パラメータ値を取得する（ステップＳ１４）。ここで機器制御部１１５が取得する動作パラメータ値は、上述の学習処理により選択され、動作パラメータ値テーブル１１６に記憶された各制御ルールに対する最適な動作パラメータ値である。

次に、機器制御部１１５は、取得した制御ルールから１つを選択する（ステップＳ１５）。機器制御部１１５は、選択した制御ルールの制御開始条件を履歴情報が満たすか判定することにより、当該制御ルールに従った制御を開始するか否か判定する（ステップＳ１６）。機器制御部１１５は、制御を開始しないと判定した場合（ステップＳ１６のＮｏ）、全ての制御ルールに対して処理が終了したか否か判定する（ステップＳ１８）。全ての制御ルールに対して処理が終了している場合（ステップＳ１８のＹｅｓ）、機器制御部１１５は処理を終了し、未処理の制御ルールが存在する場合（ステップＳ１８のＮｏ）、次の制御ルールを選択する（ステップＳ１５）。

これに対して、機器制御部１１５は、選択した制御ルールに従った制御を開始すると判定した場合（ステップＳ１６のＹｅｓ）、当該制御ルールの制御内容と、当該制御ルールと対応付けられた最適な動作パラメータ値と、を対象機器に送信し、対象機器の制御を開始する（ステップＳ１７）。すなわち、機器制御部１１５は、対象機器の動作パラメータを最適な動作パラメータ値に設定する。本実施形態に係る制御装置は、以上のような制御処理を、数秒間隔や１分間隔などの所定の時間間隔で実行する。

以上説明した通り、本実施形態に係る制御装置によれば、対象機器を最適な動作パラメータ値を利用して自動的に制御することができる。これにより、ユーザは自ら対象機器の動作パラメータ値を調整することなく、快適な環境を構築したり、消費電力の低減などのメリットを享受したりすることができる。また、最適な動作パラメータ値は学習処理により自動的に更新されるため、ユーザの性向が変化した場合でも、当該変化に応じた最適な動作パラメータ値を利用して対象機器を制御することができる。

なお、本発明は上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。

１：情報取得手段
２：記憶手段
３：計算手段
４：選択手段
１０１：ユーザ情報取得部
１０２：環境情報取得部
１０３：機器情報取得部
１０４：履歴情報記憶部
１０５：適用条件テーブル
１０６：パラメータテーブル
１０７：開始判定部
１０８：終了条件テーブル
１０９：終了判定部
１１０：継続時間計算部
１１１：継続時間テーブル
１１２：継続率特徴量計算部
１１３：動作パラメータ値選択部
１１４：選択条件テーブル
１１５：機器制御部
１１６：制御ルールテーブル
１１７：動作パラメータ値通知部
１１８：継続時間分割部

Claims (13)

1. 機器の動作パラメータ値を学習する動作パラメータ値学習装置であって、
   ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、前記機器が動作パラメータ値で動作したと推定される継続時間を計算する計算手段と、
   前記計算手段により計算された前記継続時間から、継続時間おいて前記機器が動作パラメータ値で動作を継続する確率の推移を表す継続率特徴量を計算し、計算された前記継続率特徴量に基づいて動作パラメータ値を選択する選択手段と、
   を備える動作パラメータ値学習装置。
2. 前記計算手段は、ユーザの行動状態、環境の状態、機器の動作状態及び時刻の範囲の少なくとも１つに基づいて設定された適用条件と前記履歴情報とを比較し、前記履歴情報が前記適用条件を満たす場合における前記継続時間を計算する
   請求項１に記載の動作パラメータ値学習装置。
3. 前記計算手段は、前記履歴情報と予め定められた開始条件とを比較することにより、前記履歴情報が前記開始条件を満たす開始時刻を取得し、前記履歴情報と予め定められた終了条件とを比較することにより、前記履歴情報が前記終了条件を満たす終了時刻を取得し、前記開始時刻と前記終了時刻とに基づいて前記継続時間を計算する
   請求項１又は請求項２に記載の動作パラメータ値学習装置。
4. 前記終了条件には、前記開始時刻以降に予め定められた閾値時間を経過したことが含まれる
   請求項３に記載の動作パラメータ値学習装置。
5. 前記終了条件には、前記開始時刻以降に前記動作パラメータ値が変化したことが含まれる
   請求項３又は請求項４に記載の動作パラメータ値学習装置。
6. 前記終了条件には、第１の終了条件と第２の終了条件とからなり、
   前記第１の終了条件には、前記対象機器による効用を向上させるように前記動作パラメータ値が変化したことが含まれ、
   前記第２の終了条件には、前記対象機器による効用を低下させるように前記動作パラメータ値が変化したこと及び開始時刻以降に前記閾値時間を経過したことの少なくとも一方が含まれる
   請求項３〜請求項５のいずれか１項に記載の動作パラメータ値学習装置。
7. 前記選択手段として、前記機器の消費電力が最も低くなる動作パラメータ値、前記特徴量継続率が最も高い動作パラメータ値、又は現在の動作パラメータ値に最も近い動作パラメータ値を選択する
   請求項１〜請求項６のいずれか１項に記載の動作パラメータ値学習装置。
8. 前記履歴情報を取得する情報取得手段をさらに備える
   請求項１〜請求項７のいずれか１項に記載の動作パラメータ値学習装置。
9. 前記機器の動作パラメータには、冷暖房機器の設定温度、風量及び風向と、照明機器の照度とが含まれる
   請求項１〜請求項８のいずれか１項に記載の動作パラメータ値学習装置。
10. 前記選択手段により選択された動作パラメータ値をユーザに通知する通知手段をさらに備える請求項１〜請求項９のいずれか１項に記載の動作パラメータ値学習装置。
11. 請求項１〜請求項１０のいずれか１項に記載の動作パラメータ値学習装置と、
    前記動作パラメータ値学習装置により選択された前記動作パラメータ値を利用して前記機器を制御する制御手段と、
    を備えた学習型機器制御装置。
12. 機器の動作パラメータ値を学習する動作パラメータ値学習方法であって、
    ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、前記機器が動作パラメータ値で動作したと推定される継続時間を計算することと、
    前記計算手段により計算された前記継続時間から、継続時間おいて前記機器が動作パラメータ値で動作を継続する確率の推移を表す継続率特徴量を計算し、計算された前記継続率特徴量に基づいて動作パラメータ値を選択することと、
    を備える動作パラメータ値学習方法。
13. 機器の動作パラメータ値を学習するためのプログラムであって、
    ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、前記機器が動作パラメータ値で動作したと推定される継続時間を計算する計算ステップと、
    前記計算ステップにより計算された前記継続時間から、継続時間おいて前記機器が動作パラメータ値で動作を継続する確率の推移を表す継続率特徴量を計算し、計算された前記継続率特徴量に基づいて動作パラメータ値を選択する選択ステップと、
    をコンピュータに実行させるためのプログラム。

Images