JP5524253B2 - 宅内活動推定システム、宅内活動推定方法 - Google Patents

Description

本発明は、宅内の電力消費状態を基に宅内での住人の活動状況を推測する技術に関し、いわゆる見守りサービス等に適用するのに好適な技術に関する。

非特許文献１、２には、積分法、累積度数分布法と称する技術が紹介されている。

それぞれを簡単に説明すると、積分法では、ある一定期間の消費電流を積算し、その値が一定値（閾値）以上の大きさであるとき、宅内で人がなんらかの電力消費機器を操作した、つまり人の活動があると判断する。また、積分法では、逆に、積算した消費電流が一定値（閾値）よりも小さいときには、その消費電流が機器自動運転による電力消費によるものと判断し、人の活動はないと判断する。

また、累積度数分布法では、ある一定期間内の消費電力の微小時間（１分等）差分の絶対値を取得し、その取得した値が閾値（電流値判定用閾値）以上となる割合を算出する。そして、累積度数分布法では、その算出した割合が予め設定した閾値（割合判定用閾値）を超えれば、宅内で人がなんらかの電力消費機器を操作した、つまり人の活動があると判断する。また、累積度数分布法では、逆に、その算出した割合が閾値を超えなければ、人の活動はないと判断する。

これらの積分法及び累積度数分布法の共有点は、活動量を判断するための変量を一つ定義し、その定義した変量が任意の閾値を超えるか否かを判断するところにある。

中野 幸夫、外４名、独居高齢者見守りシステムの実用化 −狛江市における実証試験− 研究報告書R09014、［online］、財団法人 電力中央研究所、［平成２４年２月１日検索］、インターネット（ＵＲＬ：http://criepi.denken.or.jp/jp/kenkikaku/report/detail/R09014.html） 中野 幸夫、電気の使い方から独居高齢者を見守るシステム（その２）−総負荷電流の変化の累積度数分布を用いる方法− 研究報告書R05013、［online］、財団法人 電力中央研究所、［平成２４年２月１日検索］、インターネット（ＵＲＬ：http://criepi.denken.or.jp/jp/kenkikaku/report/detail/R05013.html）

しかしながら、積分法や累積度数分布法では、変量が一つであるため、コンピュータによる計算コストが小さくて済むというメリットがある一方で、精度の面で難が残る。具体的には、積分法や累積度数分布法では、人の操作を検出できなかったり（宅内での人の活動を判断できなかったり）、人の操作を誤検出してしまう（宅内での人の活動を誤判断してしまう）場合がある。
先ず、図１７乃至図１９を用いて、積分法で人の操作を検出できない例を説明する。

図１７は、冷蔵庫等の自動で動く電力消費機器の電流変動波形の一例を示す図である。一般的に、冷蔵庫は間欠運転するため、図１７に示す電流変動波形は、一定周期のステップ波となる。

図１８及び図１９には、図１７に示すような電流変動波形について積算する一定期間を１時間とした場合の該積算対象となる区間の電流変動波形を示す。この図１８に示す電流変動波形は、積算した場合に消費電力（消費電力積算値）が最も小さくなるパターン（以下、パターンＡという。）の電流変動波形となる。また、図１９に示す電流変動波形は、積算した場合に消費電力（消費電力積算値）が最も大きくなるパターン（以下、パターンＢという。）の電流変動波形となる。

ここで、図１８に示すパターンＡの電流変動波形と図１９に示すパターンＢの電流変動波形とは、ともに同一の電力消費機器の自動運転による電力消費（人の操作がないときの電力消費）によるものであるのに、電流積算値（又は消費電力積算値）でみると約２倍の差がある。

よって、仮に、人の操作の有無を判定するための閾値をパターンＡの電流変動波形の電流積算値と同じ値に設定すると、パターンＢを用いた判定では、パターンＢの電流変動波形の電流積算値が閾値を超えるため、人の操作あると判定されてしまう。このようなことがあるため、実際には、閾値は、パターンＢの電流変動波形の電流積算値と同じ値に設定されることになる。
ここで、図２０には、パターンＡの電流変動波形が得られる期間内に人の操作による電流消費が発生している場合を示す。

しかし、前述のように、パターンＢの電流変動波形の電流積算値と同じ値に閾値を設定してしまうと、人の操作があったとしても、パターンＢの電流変動波形の電流積算値と人の操作による消費電流の積算値との加算値がそのように設定した閾値を超えない場合がある。この場合、システムは、人の操作を検出できない恐れがある。
次に、図２１を用いて、累積度数分布法で人の操作を検出できない例を説明する。

前述のように、累積度数分布法では、消費電流の微小時間（１分等）差分の絶対値が閾値（電流値判定用閾値）を超える割合が一定以上あるか否かで人の操作の有無を判断している。よって、仮にその閾値を１Ａ（アンペア）に設定した場合、図２１に示すように、人の操作による電力消費機器の消費電流が１Ａ（閾値）を下回るときには、システムは、人の操作を検出できない恐れがある。
次に、図２２を用いて、累積度数分布法で人の操作を誤検出してしまう例を説明する。

今度は、閾値を１Ａ（アンペア）に設定した場合に、図２２に示すように、電力消費機器の自動運転による消費電流の微小時間（１分等）差分の絶対値が１Ａ（閾値）を常に超えてしまうと、システムは、人の操作を誤検出してしまう恐れがある。
そこで、本発明の目的は、宅内の電力消費状態を基に行う人の操作の検出、すなわち、人の活動の推定を高い精度で行うことである。

前記課題を解決するために、（１）本発明の一態様では、宅内の電力消費に応じて変化する電力値又は電流値を取得する取得部と、前記取得部が取得した電力値又は電流値を記憶する記憶部と、前記記憶部に記憶される電力値又は電流値から、宅内の電力消費機器の自動運転に起因する電力消費に応じて変化する時系列の電力値又は電流値を抽出する抽出部と、前記抽出部が抽出した時系列の電力値又は電流値のうちの、時刻が異なる同じ長さの期間の複数の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした複数の第１確率分布を生成する第１確率分布生成部と、前記取得部が取得した電力値又は電流値のうちの最新の値から予め設定された期間の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした第２確率分布を生成する第２確率分布生成部と、前記第１確率分布生成部が生成した複数の第１確率分布のうち、前記第２確率分布生成部が生成した第２確率分布との自乗和が最小となる第１確率分布と前記第２確率分布との比較結果を基に、宅内での人の活動を推定する推定部と、を有することを特徴とする宅内活動推定システムを提供できる。

（２）本発明の一態様では、前記記憶部に記憶された電力値又は電流値から操作に応じて時系列で値を指定する操作部をさらに有し、前記抽出部は、前記記憶部に記憶された電力値又は電流値のうち前記操作部によって指定された時系列の値を抽出する。
（３）本発明の一態様では、前記抽出部は、前記記憶部に記憶された電力値又は電流値から演算式を用いて時系列の値を抽出する。
（４）本発明の一態様では、前記推定部は、前記第１確率分布と前記第２確率分布とで分布に重複しない領域が有る場合、宅内で人が活動していると推定する。

（５）本発明の一態様では、取得部が、宅内の電力消費に応じて変化する電力値又は電流値を取得する取得ステップと、前記取得ステップで取得した電力値又は電流値を記憶部に記憶する記憶ステップと、抽出部が、前記記憶ステップで記憶した電力値又は電流値から、宅内の電力消費機器の自動運転に起因する電力消費に応じて変化する時系列の電力値又は電流値を抽出する抽出ステップと、確率分布生成部が、前記抽出ステップで抽出した時系列の電力値又は電流値のうちの、時刻が異なる同じ長さの期間の複数の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした複数の第１確率分布を生成し、かつ前記取得ステップで取得した電力値又は電流値のうちの最新の値から予め設定された期間の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした第２確率分布を生成する分布生成ステップと、推定部が、前記分布生成ステップで生成した複数の第１確率分布のうち、前記分布生成ステップで生成した第２確率分布との自乗和が最小となる第１確率分布と第２確率分布との比較結果を基に、宅内での人の活動を推定する推定ステップと、を有することを特徴とする宅内活動推定方法を提供できる。

ここで、例えば、第１確率分布及び第２確率分布は、横軸が確率変数である電力値又は電流値となり、縦軸がその電力値又は電流値の発生確率となる分布である。そして、横軸の電力値又は電流値は、人の操作に起因した電力消費に基づく値であったり、電力消費機器の自動運転時の電力消費に基づく値であったりする。よって、推定部は、このような多変量からなる分布を基に宅内での人の活動を推定することになる。

（１）及び（５）の態様の発明によれば、複数の第１確率分布を用いた上で、その自乗和が最小となる第１確率分布と第２確率分布とを比較することで、第１確率分布に生じているばらつきの影響をより抑えた上で、宅内での人の活動を推定できる。

（２）の態様の発明によれば、使用者が操作部を操作して客観的に電力消費機器の自動
運転時の値であると評価した電力値又は電流値を指定できるため、抽出部は、宅内の電力
消費機器の自動運転に起因する電力消費に応じて変化する時系列の電力値又は電流値を高
い精度で抽出できる。
（３）の態様の発明によれば、宅内の電力消費機器の自動運転に起因する電力消費に応
じて変化する時系列の電力値又は電流値を簡単に抽出できる。
（４）の態様の発明によれば、宅内での人の活動を簡単に推定できる。

本実施形態の宅内活動推定システムの構成例を示す図である。 分布抽出処理用期間の電力データ（電力時系列データ）の一例を示す図である。 分布抽出処理用期間の電力データと、（１）式で使用する時間ｔ及び時間の幅Ａとの関係の一例を示す図である。 電力値の確率分布の一例を示す図である。 確率分布生成部による機器自動運転時の確率分布の生成手順の一例を示す図である。 確率分布生成部による最新期間の確率分布の生成手順の一例を示す図である。 機器自動運転時の確率分布を複数生成する手順の一例を示す図である。 宅内活動量算出部による算出結果の一例を示す図である。 宅内活動量算出部による算出結果の他の一例を示す図である。 宅内活動推定システムにおける宅内活動量の算出の際の動作等を説明するために使用する図である。 パターンＡの電力変動波形を基に確率分布を生成する手順の一例を示す図である。 パターンＢの電力変動波形を基に確率分布を生成する手順の一例を示す図である。 パターンＡの電力変動波形が得られる期間内に人の操作による電力消費が発生している場合に、該パターンＡの電力変動波形を基に確率分布を生成する手順の一例を示す図である。 機器自動運転時の電力消費と機器自動運転中に人の操作によって発生している電力消費とを、消費電力の微小時間（１分等）差分の絶対値で示す図である。 機器自動運転時の消費電力の微小時間（１分等）差分の絶対値が閾値を超えている場合の確率分布を示す図である。 最新の消費電力の微小時間（１分等）差分の絶対値についても閾値を超えている場合の確率分布を示す図である。 冷蔵庫等の自動で動く電力消費機器の電流変動波形の一例を示す図である。 図１７に示すような電流変動波形について積算する一定期間を１時間とした場合の該積算対象となる区間の電流変動波形を示す図である。 図１７に示すような電流変動波形について積算する一定期間を１時間とした場合の該積算対象となる区間の電流変動波形を示す他の図である。 パターンＡの電流変動波形が得られる期間内に人の操作による電流消費が発生している場合を示す図である。 累積度数分布法で人の操作を検出できない例を説明するのに使用する図である。 累積度数分布法で人の操作を誤検出してしまう例を説明するのに使用する図である。

本発明の実施形態を図面を参照しつつ説明する。
本実施形態は、宅内活動推定システムである。

（構成）
図１は、本実施形態の宅内活動推定システム１の構成例を示す図である。
図１に示すように、宅内活動推定システム１は、電力センサ２及び推定装置１０を有している。
推定装置１０は、電力データ入力部１１、表示部１２、入力操作部（入力インターフェース）１３、宅内活動量出力部１４、記憶部２０、及び処理部３０を有している。

電力データ入力部１１は、電力センサ２が得た電力データを数値情報（消費電力値）として取得する。ここで、データ取得間隔は、任意に設定可能である。例えば、データ取得間隔は、１分間隔等が好ましい。また、電力データを得る構成は、電力センサ２に限定されないことは言うまでもない。
記憶部２０は、電力データ記憶部２１及び機器自動運転時の確率分布記憶部２２を有している。

ここで、電力データ記憶部２１は、電力データ入力部１１が取得した電力データを記憶する。具体的には、電力データ記憶部２１は、電力データ入力部１１が取得した電力データについて最新の値から予め設定された期間内の値を記憶する。また、機器自動運転時の確率分布記憶部２２は、後述する確率分布生成部３１が生成した機器自動運転時の電力データの確率分布のパターンを複数個記憶する。

表示部１２は、各種情報を表示する。例えば、表示部１２には、電力データ入力部１１によって取得した電力消費機器（以下、単に機器という。）の数値情報（消費電力値）の変化が表示される。
ここで、機器（電力消費機器）としては、冷蔵庫やエアコン、テレビ、洗濯機等がある。

入力操作部１３は、人（システムユーザ）に操作されその操作に応じた情報を処理部３０に出力する。例えば、入力操作部１３は、キーボード、マウス等である。
処理部３０は、確率分布生成部３１、機器自動運転抽出部３２、及び宅内活動量算出部３３を有している。

ここで、機器自動運転抽出部３２は、電力データ記憶部２１に記憶されている全期間の電力データ（電力時系列データ）から、機器の自動運転（機器自動運転）のみによる電力消費しかなかった期間（時間帯）の電力データ（電力時系列データ）を抽出する。すなわち、機器自動運転抽出部３２は、電力データ記憶部２１に記憶されている全期間の電力データ（電力時系列データ）から、機器に対して人による操作による電力消費がない期間の電力データ（電力時系列データ）を抽出する。このとき、機器自動運転抽出部３２は、電力データ記憶部２１に記憶されている全期間の電力データから、機器自動運転のみによる電力消費しかなかった期間の電力データの全てを抽出するのではなく、機器自動運転のみによる電力消費しかなかった期間の全てのうちの一部の期間の電力データを抽出する。すなわち、電力データ記憶部２１にデータが記憶される前記全期間を１週間や一ヶ月とした場合、機器自動運転のみによる電力消費しかない期間（以下、機器自動運転のみの期間とも言う。）は、前記全期間中に、ある程度の割合で現れることになる。そのため、本実施形態では、そのような全期間中において複数存在する機器自動運転のみの期間のうちの一部の期間の電力データを抽出するようにしている。

具体的には、機器自動運転抽出部３２は、次に示す２つの例の手順によってその抽出を行う。
なお、ここで、機器自動運転を定義すると、機器自動運転とは、人の操作によるものではなく予め設定されたプログラム等による機器の自動的な運転をいう。例えば、通常の生活において、人が冷蔵庫のコンセントを抜くことで運転を停止するが人はこのようなことはしないので、冷蔵庫は機器自動運転を適宜実施する。また、通常、人がＴＶの電源をリモコンでＯＦＦする操作は人の操作になるが、リモコンによるＯＦＦ後の待機電力の消費については機器自動運転によるものとなる。すなわち、外出時に人は自分のライフスタイルに合わせて宅内の機器の電源をＯＦＦするが、外出時においても動作している機器の運転は機器自動運転になる。

また、機器自動運転のみによる電力消費には、例えば、冷蔵庫やエアコン等の自動運転時の電力消費があり、人の操作に起因した電力消費には、例えば、テレビや洗濯機等における電力消費がある。
（抽出手順１）

先ず、機器自動運転抽出部３２は、電力データ記憶部２１に記憶されている全期間の電力データから予め設定された期間（以下、分布抽出処理用期間という。）の電力データを抽出する。ここで、分布抽出処理用期間としては、例えば、１週間以上等の長期間が好適である。そして、機器自動運転抽出部３２は、その抽出した分布抽出処理用期間の電力データの時間変動を表示部１２に表示させ、その表示部１２に表示させた時間変動する電力データから機器自動運転のみの期間の電力データを、入力操作部１３（例えばマウス）を用いてシステムの使用者に指定してもらう。例えば、機器自動運転抽出部３２は、機器自動運転のみの期間の電力データとして外出時間帯や就寝時間帯の電力データを指定してもらう。それから、機器自動運転抽出部３２は、その指定された任意の時間帯の電力データを切り出す。

図２は、分布抽出処理用期間の電力データ（電力時系列データ）の一例を示す図である。
図２に示すように、機器自動運転抽出部３２は、このような分布抽出処理用期間の電力データから、使用者が入力操作部１３を操作して指定した機器自動運転のみの期間の電力データを抽出する。

（抽出手順２）
先ず、機器自動運転抽出部３２は、電力データ記憶部２１に記憶されている全期間の電力データから分布抽出処理用期間の電力データを抽出する。そして、機器自動運転抽出部３２は、その抽出した分布抽出処理用期間の電力データから、演算式によって機器自動運転のみの期間の電力データを抽出する。

具体的には、機器自動運転抽出部３２は、時間（時刻）をｔ、時間の幅をＡとして、時間ｔの電力データについての電力積分値Ｐｏｗｅｒを下記（１）式によって算出する。

ここで、図３には、分布抽出処理用期間の電力データと、（１）式で使用する時間ｔ及び時間の幅Ａとの関係の一例を示している。

さらに、機器自動運転抽出部３２は、分布抽出処理用期間内の全ての時間ｔについて、前記（１）式によって電力積分値Ｐｏｗｅｒを算出する。すなわち、機器自動運転抽出部３２は、分布抽出処理用期間内で時間ｔをずらしていきながら、全ての時間ｔについて電力積分値Ｐｏｗｅｒを算出する。

そして、機器自動運転抽出部３２は、分布抽出処理用期間内の全ての時間ｔのうち、電力積分値Ｐｏｗｅｒが最小になるｔを特定し、その特定したｔからｔ＋Ａの区間（時間帯）の電力データを機器自動運転のみの期間の電力データとする。

確率分布生成部３１は、機器自動運転抽出部３２が抽出した機器自動運転のみの期間の電力データ（前記抽出手順１又は前記抽出手順２等によって抽出された電力データ）を基に、機器自動運転のみの期間の電力データの確率分布（以下、機器自動運転時の確率分布という。）を複数生成する。そして、確率分布生成部３１は、生成した機器自動運転時の確率分布を記憶部２０の機器自動運転時の確率分布記憶部２２に記憶させる。

その一方で、確率分布生成部３１は、電力データ入力部１１が取得した最新の期間の電力データ（リアルタイムで計測中の電力データ）を基に、最新期間の電力データの確率分布（以下、最新期間の確率分布という。）を生成する。例えば、確率分布生成部３１は、電力データ記憶部２１に記憶されている電力データのうちの最新の期間の電力データを基に最新期間の確率分布を算出する。ここで、確率分布は、横軸を電力値とし、縦軸をその電力値の発生確率とした分布である。また、最新の期間は、予め設定された期間であり、例えば、機器自動運転抽出部３２で最終的に電力データを抽出した機器自動運転のみの期間と同じである。例えば、最新の期間は、１時間程度であることが好ましい。
図４には、電力値の確率分布の一例を示す。

図４に示す電力値の確率分布は、最大電力値が３０００Ｗであり、電力値の区切り幅が１００Ｗである場合である。よって、図４に示す例では、区切り幅が１００Ｗの棒グラフが３０個ならび分布が形成される。つまり、それぞれの棒グラフが変量になるため、図４に示す例では、変量の数は３０になる。

なお、確率分布では、各確率変数の発生確率の総和は必ず１になる。従って、複数の確率分布で分布形状が違っていたとしても、又は複数の確率分布で標本の大きさが異なっていても、それら複数の確率分布の面積は互いに必ず同じになる。

また、以降説明で使用する図の確率分布では、説明を簡易にするため、発生確率の値を結び連続に描くが、確率分布の電力値は、確率分布において任意の大きさの範囲（本例では１００Ｗ）で区切られている。

ここで、図５には、機器自動運転抽出部３２が抽出した電力データ（電力時系列データ、電力波形）を用いて行う確率分布生成部３１による機器自動運転時の確率分布の生成手順、すなわち、機器自動運転時の確率分布記憶部２２に記憶する確率分布の生成手順の一例を示す。また、図６には、確率分布生成部３１による最新期間の確率分布の生成手順の一例を示す。

確率分布生成部３１は、機器自動運転抽出部３２が抽出した図５（ａ）に示すような電力データ（電力時系列データ）を基に、図５（ｂ）に示すように、横軸を電力値とし、縦軸を発生確率とした機器自動運転時の確率分布を生成する。そして、確率分布生成部３１は、生成した機器自動運転時の確率分布を機器自動運転時の確率分布記憶部２２に記憶する。また、確率分布生成部３１は、電力データ記憶部２１に記憶されている図６（ａ）に示すような最新期間の電力データ（電力時系列データ、最新電力の波形）を基に、図６（ｂ）に示すように、横軸を電力値とし、縦軸を発生確率とした最新期間の確率分布を生成する。
さらに、確率分布生成部３１は、機器自動運転時の確率分布については複数生成する。

図７には、機器自動運転時の確率分布を複数生成する手順の一例を示す。この図７には、機器自動運転抽出部３２が抽出した機器自動運転のみの期間△ＴＡの電力データ（電力時系列データ）を示す。

図７に示すように、先ず、確率分布生成部３１は、時間ｔから期間△ＴＢの範囲（時刻ｔ＋△ＴＢ）の電力データの確率分布を作成する。ここで、期間△ＴＢは、予め設定された期間であり、例えば、最新期間の確率分布を生成するための電力データを得た期間と同じである。

その後、確率分布生成部３１は、時間ｔ＋ｉからｉを順次インクリメントしながら、期間△ＴＢの範囲（時間ｔ＋ｉ＋△ＴＢ）の電力データの確率分布を作成する。そして、確率分布生成部３１は、ｉが△ＴＡ−△ＴＢになった時点で、時間ｔ＋△ＴＡ−△ＴＢから期間△ＴＢの範囲（時間ｔ＋△ＴＡ）の電力データの確率分布を生成する。
以上のような手順によって、確率分布生成部３１は、機器自動運転時の確率分布を複数生成する。

宅内活動量算出部３３は、最新期間の確率分布と機器自動運転時の確率分布記憶部２２に記憶されている複数の確率分布それぞれとの自乗和を算出する。そして、宅内活動量算出部３３は、複数の機器自動運転時の確率分布のうち、算出した自乗和が最小となる機器自動運転時の確率分布を１つ選択する。

そして、宅内活動量算出部３３は、その選択した機器自動運転時の確率分布と最新期間の確率分布とを比較（具体的には確率分布の形状を比較）することで、現在の活動量の指標又は現在の活性度の指標となる宅内活動量を算出する。
具体的には、宅内活動量算出部３３は、下記（２）式を用いて宅内活動量を算出する。
宅内活動量＝（Ａ∧Ｂ）／（Ａ∨Ｂ）×１００ ・・・（２）
ここで、Ａは、機器自動運転時の確率分布の面積である。また、Ｂは、最新期間の確率分布の面積である。また、∧は積集合を示し、∨は和集合を示す。

この（２）式によって、宅内活動量は、機器自動運転時の確率分布の面積Ａと最新期間の確率分布の面積Ｂとで重なっていない面積の割合を示す値となる。例えば、宅内活動量は、重なる面積が全くない場合には、１００となり、重なる面積が多くなるほど、１００未満で小さくなっていく。

ここで、機器自動運転時の確率分布の面積Ａと最新期間の確率分布の面積Ｂとで重なっていない面積の割合が高い場合とは、最新期間の電力データが、機器自動運転時の電力データ以外の、人が機器を操作したこと等に起因した電力消費による電力データを含むことを意味する。よって、大きい宅内活動値は、宅内で人が活動している可能性が高いこと（宅内で人が活動していることを推定する値）を示し、小さい宅内活動値は、宅内で人が活動している可能性が低いこと（宅内で人が活動していないことを推定する値）を示す。

なお、機器自動運転時の確率分布の面積と最新期間の確率分布の面積とを比較できるものであれば、前記（２）式を用いて宅内活動量を算出することに限定されない。この場合、例えば、現在の活動量の指標又は現在の活性度の指標となる宅内活動量は、０〜１００の範囲内で値が変化することに限定されるものではなく、０〜１００の範囲外の値で変化しても良い。

ここで、図８及び図９を用いて宅内活動量算出部３３の算出結果の一例を説明する。
図８に示すように、機器自動運転時の確率分布の面積Ａと最新期間の確率分布の面積Ｂとが全く重ならない場合、宅内活動量は１００になる。また、図９に示すように、機器自動運転時の確率分布の面積Ａと最新期間の確率分布の面積Ｂとが重なる場合、宅内活動量は、その重なる面積に応じた値になる。この例では、宅内活動量は５０になる。すなわち、機器自動運転時の確率分布の面積Ａと最新期間の確率分布の面積Ｂとが重なる面積の割合は５０％となる。

また、前述のように、図５（ｂ）、図６（ｂ）、図８、図９では、説明を簡易にするために確率分布を連続曲線で描いているが、実際には、図４に示すように棒グラフの集合による分布となるため、機器自動運転時の確率分布の面積Ａと最新期間の確率分布の面積Ｂとが重なる面積の算出は容易である。
宅内活動量出力部１４は、宅内活動量算出部３３が算出した宅内活動量を外部に出力する。

（動作、作用等）
次に、宅内活動推定システム１における宅内活動量の算出の際の動作等を図１０を参照しつつ説明する。
先ず、ステップ（１）では、宅内活動推定システム１は、電力データを取得する。具体的には、宅内活動推定システム１は、入力インターフェース（電力データ入力部１１）を経由して電力センサ２からの電力データを時系列に取得する。

次に、ステップ（２）では、宅内活動推定システム１は、電力データを記憶する。具体的には、宅内活動推定システム１は、前記ステップ（１）によって取得した電力データを電力データ記憶部２１に順次記憶（電力時系列データとして記憶）する。

また、ステップ（３）では、宅内活動推定システム１は、最新期間の確率分布を生成する。具体的には、宅内活動推定システム１は、確率分布生成部３１によって、前記ステップ（２）で電力データ記憶部２１に記憶した電力データのうちの最新の期間（例えば１時間）の電力データを用いて、最新期間の確率分布を生成する（図６参照）。

次に、ステップ（４）では、宅内活動推定システム１は、機器自動運転の時間帯の電力時系列データを抽出する。具体的には、宅内活動推定システム１は、機器自動運転抽出部３２によって、前記ステップ（２）で電力データ記憶部２１に記憶した電力データから分布抽出処理用期間（例えば１週間以上）の電力データを抽出し、その抽出した電力データから機器自動運転のみの期間の電力データをさらに抽出する（図２、図３参照）。

次に、ステップ（５）では、宅内活動推定システム１は、機器自動運転時の確率分布を生成する。具体的には、宅内活動推定システム１は、前記ステップ（４）で抽出した機器自動運転の時間帯の電力データを用いて機器自動運転時の確率分布を複数生成する（図５、図７参照）。

次に、ステップ（６）では、宅内活動推定システム１は、機器自動運転時の確率分布を記憶する。具体的には、宅内活動推定システム１は、前記ステップ（５）で生成した機器自動運転時の確率分布を機器自動運転時の確率分布記憶部２２に記憶する。
なお、前記ステップ（４）から前記ステップ（６）の処理は、１週間や一ヶ月の単位で更新した最新データを用いて行うのが好ましい。

次に、ステップ（７）では、宅内活動推定システム１は、宅内活動量を算出する。具体的には、宅内活動推定システム１は、前記ステップ（３）で生成した最新期間の確率分布と前記ステップ（６）で機器自動運転時の確率分布記憶部２２に記憶した機器自動運転時の確率分布を用いて、宅内活動量算出部３３によって宅内活動量を算出する（図８、図９参照）。

最後のステップ（８）では、宅内活動推定システム１は、前記ステップ（７）において算出した宅内活動量を宅内活動量出力部１４を経由して外部に出力する。

（本実施形態における効果）
図１１乃至図１６を用いて、本実施形態における効果を説明する。また、ここでは、従来の積算法や従来の累積度数分布法との比較で効果を説明する。

先ず、従来の積算法との比較で効果を説明する。
図１１は、パターンＡの電力変動波形を基に確率分布を生成する手順の一例を示す図である。また、図１２は、パターンＢの電力変動波形を基に確率分布を生成する手順の一例を示す図である。なお、前述のように、本実施形態では、このような電力変動波形は、電力データ記憶部２１に記憶されている。また、パターンＡの電力変動波形は、前述のように、機器自動運転時の電力変動波形（電力時系列データ）を一定区間で区切った場合に消費電力（消費電力積算値）が最も小さくなる電力変動波形である。また、パターンＢの電力変動波形は、前述のように、機器自動運転時の電力変動波形を一定区間で区切った場合に消費電力（消費電力積算値）が最も大きくなる電力変動波形である。

図１１（ａ）に示すパターンＡの電力変動波形の場合、確率分布生成部３１は、図１１（ｂ）に示すように、小さい電力値側の発生確率が高い確率分布（機器自動運転時の確率分布）を生成する。一方、同じ機器の電力変動波形であっても、図１２（ａ）に示すパターンＢの電力変動波形の場合、確率分布生成部３１は、図１２（ｂ）に示すように、大きい電力値側の発生確率が高い確率分布（機器自動運転時の確率分布）を生成する。

そして、本実施形態では、そのようにして生成した機器自動運転時の確率分布と最新の電力変動波形を基に生成される確率分布とを比較することで、機器に対する人の操作を高い精度で検出でき、宅内での人の活動を高い精度で推定できる。

図１３は、パターンＡの電力変動波形が得られる期間内に人の操作による電力消費が発生している場合に、該パターンＡの電力変動波形を基に確率分布を生成する手順の一例を示す図である。

図１３（ａ）のようにパターンＡの電力変動波形が得られる期間内に人の操作による電力消費が発生している場合、確率分布生成部３１は、図１３（ｂ）に示すように、人の操作によって消費された電力値に発生確率が現れる確率分布を生成する。

よって、図１１（ｂ）に示す確率分布を機器自動運転時の確率分布相当とし、図１３（ｂ）に示す確率分布を最新期間の確率分布相当とした場合、図１１（ｂ）に示す確率分布と図１１（ｂ）に示す確率分布とは、重ならない領域が存在するため（又は形状が異なるため）、宅内活動量算出部３３が算出する宅内活動量は、１００よりも小さくなる。そして、本実施形態のシステムは、この結果を基に、人の操作を高い精度で検出でき、宅内での人の活動を高い精度で推定できる。

ここで、従来の積算法では、パターンＡの電力変動波形が得られる期間内に人の操作による電力消費が発生している場合、設定される閾値によっては人の操作があることを検出することができなかった。しかし、本実施形態のシステムでは、このような場合でも、機器に対して人の操作があることを検出でき、宅内で人の活動があることを推定できる。

次に、従来の累積度数分布法との比較で効果を説明する。
図１４には、機器自動運転時の消費電力と機器自動運転中に人の操作によって発生した消費電力とを、消費電力の微小時間（１分等）差分の絶対値で示している。

図１４（ａ）に示すような値から、確率分布生成部３１は、図１４（ｂ）に示すように、機器自動運転時の消費電力値と人の操作による消費電力値とに発生確率が現れる確率分布を生成することができる。ここで生成される確率分布は、本実施形態でいう最新期間の確率分布に相当する。

そして、宅内活動量算出部３３は、そのように生成された確率分布（最新期間の確率分布相当）と、機器自動運転時の電力時系列データを基に別途生成された確率分布（機器自動運転時の確率分布相当）とを基に宅内活動量を算出する。このとき、人の操作による消費電力値を含む電力変動波形を基に生成された確率分布（前記図１４（ｂ）に示す確率分布）と、機器自動運転時の電力変動波形を基に別途生成された確率分布との間には、重ならない面積が存在するため、宅内活動量算出部３３が算出する宅内活動量は、１００よりも小さくなる。これにより、本実施形態のシステムは、この結果を基に、機器に対する人の操作を高い精度で検出でき、宅内での人の活動を高い精度で推定できる。

ここで、従来の累積度数分布法では、図１４（ａ）に示すように人の操作による消費電力の微小時間差分の絶対値が閾値（例えば１００Ｗ）を超えない場合には、機器に対して人の操作があることを検出することができなかった。しかし、本実施形態のシステムでは、このような場合でも、機器に対して人の操作があることを検出でき、宅内で人の活動があることを推定できる。

図１５には、機器自動運転時の消費電力の微小時間（１分等）差分の絶対値が閾値（例えば１００Ｗ）を超えている場合を示している。また、図１６には、最新期間の消費電力の微小時間（１分等）差分の絶対値についても閾値（例えば１００Ｗ）を超えている場合を示す図である。

図１５（ａ）に示すような値の場合、確率分布生成部３１は、図１５（ｂ）に示すように、機器自動運転時の消費電力値に発生確率が現れる確率分布（機器自動運転時の確率分布）を生成することができる。また、図１６（ａ）に示すような値の場合、確率分布生成部３１は、図１６（ｂ）に示すように、最新の消費電力に発生確率が現れる確率分布（最新期間の確率分布）を生成することができる。

そして、図１５（ｂ）に示す機器自動運転時の確率分布と図１６（ｂ）に示す最新期間の確率分布とを基に宅内活動量算出部３３が宅内活動量を算出すると、それら確率分布の間には重ならない面積が存在しないため（又は全てが重なるため）、宅内活動量は０になる。この場合、本実施形態のシステムは、機器に対して人の操作がない又は宅内で人の活動がないと推定することができる。このように、本実施形態のシステムは、機器に対する人の操作を高い精度で検出でき、宅内での人の活動を高い精度で推定できる。

ここで、従来の累積度数分布法では、図１６（ａ）に示すように消費電力の微小時間差分の絶対値が閾値（例えば１００Ｗ）を超えてしまう場合、機器に対して人の操作があったと誤検出してしまう。しかし、本実施形態のシステムは、このような場合でも、機器に対して人の操作があったと誤検出することなく確実に検出することができる。

なお、前述の実施形態の説明では、電力センサ２又は電力データ入力部１１は、協働して又は単体で、例えば、取得部を構成する。また、電力データ記憶部２１は、例えば、電力値を記憶する記憶部を構成する。また、機器自動運転抽出部３２は、例えば、抽出部を構成する。また、確率分布生成部３１は、例えば、第１確率分布生成部及び第２確率分布生成部を構成する。また、宅内活動量算出部３３は、例えば、推定部を構成する。また、機器自動運転時の確率分布は、例えば、第１確率分布を構成する。また、最新期間の確率分布は、例えば、第２確率分布を構成する。

（本実施形態の変形例）
本実施形態では、電力データを用いているが電流データを用いても、同様な結果、すなわち例えば、宅内活動量を算出することができる。すなわち、本実施形態では、電力、電流の違いは重要ではなく、また、電力データを用いることを要件とはしていない。

また、本実施形態では、先ず、電力データ記憶部２１に記憶されている全期間の電力データから分布抽出処理用期間の電力データを抽出し、それから、その抽出した分布抽出処理用期間の電力データから機器自動運転のみの期間の電力データを抽出している。しかし、本実施形態では、電力データ記憶部２１に記憶されている全期間の電力データそのものから機器自動運転のみの期間の電力データを抽出することもできる。

また、本実施形態では、宅内活動推定システム１を構成する各部の処理は、各部の機能によって実現され（例えばデバイスによって実現され）、又は、プログラムによって実現される。

また、本発明の実施形態を具体的に説明したが、本発明の範囲は、図示され記載された例示的な実施形態に限定されるものではなく、本発明が目的とするものと均等な効果をもたらすすべての実施形態をも含む。さらに、本発明の範囲は、請求項１により画される発明の特徴の組み合わせに限定されるものではなく、すべての開示されたそれぞれの特徴のうち特定の特徴のあらゆる所望する組み合わせによって画されうる。

１ 宅内活動推定システム、２ 電力センサ、１１ 電力データ入力部、１２ 表示部、１３ 入力操作部、１４ 宅内活動量出力部、２０ 記憶部、２１ 電力データ記憶部、２２ 機器自動運転時の確率分布記憶部、３０ 処理部、３１ 確率分布生成部、３２ 機器自動運転抽出部、３３ 宅内活動量算出部

Claims (5)

1. 宅内の電力消費に応じて変化する電力値又は電流値を取得する取得部と、
   前記取得部が取得した電力値又は電流値を記憶する記憶部と、
   前記記憶部に記憶される電力値又は電流値から、宅内の電力消費機器の自動運転に起因する電力消費に応じて変化する時系列の電力値又は電流値を抽出する抽出部と、
   前記抽出部が抽出した時系列の電力値又は電流値のうちの、時刻が異なる同じ長さの期間の複数の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした複数の第１確率分布を生成する第１確率分布生成部と、
   前記取得部が取得した電力値又は電流値のうちの最新の値から予め設定された期間の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした第２確率分布を生成する第２確率分布生成部と、
   前記第１確率分布生成部が生成した複数の第１確率分布のうち、前記第２確率分布生成部が生成した第２確率分布との自乗和が最小となる第１確立分布と前記第２確率分布との比較結果を基に、宅内での人の活動を推定する推定部と、
   を有することを特徴とする宅内活動推定システム。
2. 前記記憶部に記憶された電力値又は電流値から操作に応じて時系列で値を指定する操作部をさらに有し、
   前記抽出部は、前記記憶部に記憶された電力値又は電流値のうち前記操作部によって指定された時系列の値を抽出することを特徴とする請求項１に記載の宅内活動推定システム。
3. 前記抽出部は、前記記憶部に記憶された電力値又は電流値から演算式を用いて時系列の値を抽出することを特徴とする請求項１に記載の宅内活動推定システム。
4. 前記推定部は、前記第１確率分布と前記第２確率分布とで分布に重複しない領域が有る場合、宅内で人が活動していると推定することを特徴とする請求項１乃至３の何れか１項に記載の宅内活動推定システム。
5. 取得部が、宅内の電力消費に応じて変化する電力値又は電流値を取得する取得ステップと、
   前記取得ステップで取得した電力値又は電流値を記憶部に記憶する記憶ステップと、
   抽出部が、前記記憶ステップで記憶した電力値又は電流値から、宅内の電力消費機器の自動運転に起因する電力消費に応じて変化する時系列の電力値又は電流値を抽出する抽出ステップと、
   確率分布生成部が、前記抽出ステップで抽出した時系列の電力値又は電流値のうちの、時刻が異なる同じ長さの期間の複数の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした複数の第１確率分布を生成し、かつ前記取得ステップで取得した電力値又は電流値のうちの最新の値から予め設定された期間の時系列の電力値又は電流値を基に、電力値又は電流値を確率変数とした第２確率分布を生成する分布生成ステップと、
   推定部が、前記分布生成ステップで生成した複数の第１確率分布のうち、前記分布生成ステップで生成した第２確率分布との自乗和が最小となる第１確立分布と前記第２確率分布との比較結果を基に、宅内での人の活動を推定する推定ステップと、
   を有することを特徴とする宅内活動推定方法。

Images