監視装置及び監視方法
【課題】住宅内の異常の有無を簡易な装置で精度よく判断する。
【解決手段】居住者の行為に起因する電力の変化を示す差分曲線を算出する。次に、この差分曲線に基づいて、生成されるデータ列を入力とするベイジアンネットワークから出力される確率に基づいて、電力データの変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率と、電気機器５１の自動運転に起因すると考えられる確率を算出する。これにより、精度良く当該確率を算出することができ、ひいては、居住者７０の異常の有無を精度良く判断することが可能となる。
【解決手段】居住者の行為に起因する電力の変化を示す差分曲線を算出する。次に、この差分曲線に基づいて、生成されるデータ列を入力とするベイジアンネットワークから出力される確率に基づいて、電力データの変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率と、電気機器５１の自動運転に起因すると考えられる確率を算出する。これにより、精度良く当該確率を算出することができ、ひいては、居住者７０の異常の有無を精度良く判断することが可能となる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、監視装置及び監視方法に関し、更に詳しくは、住宅に居住する居住者を監視するための監視装置及び監視方法に関する。
【背景技術】
【０００２】
核家族世帯の増加やライフスタイルの多様化の進展にともない、１つの世帯を構成する個人の数は減少する傾向にある。また、経済のグローバル化にともない、労働人口に対する単身赴任者の割合も増加することが予測される。このため、遠方から、家族や近親者の健康状態を確認するためのシステムの研究開発が盛んに行われている（例えば特許文献１及び２参照）。
【０００３】
特許文献１に記載の装置は、住宅内で異常なく生活する居住者の電力使用パターンと、住宅内の電源系統を流れる電流値から特定される電力使用パターンを比較することにより、居住者の健康状態を推測する。
【０００４】
また、特許文献２に記載の装置は、住宅内で消費される電力量を計測することにより、居住者の生活パターンを推定する。そして、推定した生活パターンと予想パラメータとを比較することにより、居住者に異常があるか否かを判断する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００２−１０９６６３号公報
【特許文献２】特開２００８−１１２２６７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
特許文献１に記載された装置を用いる場合には、住宅内で分岐する電力系統すべてに、電流を計測するための計測装置を取り付ける必要がある。このため、装置の製造コストやランニングコストが増加するという問題がある。
【０００７】
特許文献２に記載された装置は、住宅内で消費される電力量の変化に基づいて居住者の生活パターンを推定する。このため、基幹ブレーカの近傍に電力量計を設置するだけで、異常事態の有無を遠方から判断することが可能となる。このため、装置の構造を簡素化することができ、製造コストやランニングコストを抑えることができる。
【０００８】
しかしながら、上記装置が実行する方法では、例えば電気温水器や、空調装置等に代表される機器が自動的に動作すると、正しく異常の有無を判断することが困難になるという問題がある。
【０００９】
本発明は、上述の事情の下になされたもので、住宅内の異常の有無を簡易な装置で精度よく判断することを目的とする。
【課題を解決するための手段】
【００１０】
上記目的を達成するため、本発明の監視装置は、
住宅に供給される電力を計測する電力計測手段と、
前記電力の計測結果を時系列的に記憶する記憶手段と、
前記記憶手段に記憶された前記電力の推移を示す推移曲線の移動平均線を算出する移動平均線算出手段と、
前記移動平均線上の点と、前記推移曲線上の点との差分を算出する差分算出手段と、
前記差分の時間的な推移を示す差分曲線を算出する差分曲線算出手段と、
前記差分曲線から二値のデータからなるデータ列を生成するデータ列生成手段と、
前記データ列が入力されたときに、前記電力が計測されたときの前記住宅に居住する居住者の状態が、所定の状態である確率を算出する第１算出手段と、
前記第１算出手段の算出結果に基づいて、前記電力の推移が、前記居住者の行為に起因する確率を算出する第２算出手段と、
を備える。
【発明の効果】
【００１１】
本発明によれば、居住者の行為に起因する電力の変化を示す差分曲線が算出される。そして、この差分曲線に基づいて、電力の推移が居住者の行為に起因する確率が算出される。したがって、この確率に基づいて、住宅内の異常の有無を精度良く判断することが可能となる。また、本発明によれば、二値化されたデータを用いて、住宅内の異常の有無を判断することができる。このため、判断を行う際に取り扱うデータの量が少なくなり、装置を簡素化することができる。
【図面の簡単な説明】
【００１２】
【図１】本実施形態に係る監視装置のブロック図である。
【図２】表示部に表示される画像を示す図である。
【図３】電力データを示す図である。
【図４】ＣＰＵが実行する処理を示すフローチャートである。
【図５】移動平均線を算出する際の手順の一例を説明するための図である。
【図６】差分を表すベクトルを示す図である。
【図７】差分曲線の算出手順を説明するための図である。
【図８】差分曲線を示す図である。
【図９】データ列の生成手順を説明するための図である。
【図１０】データ列を示す図である。
【図１１】データ列を示す図である。
【図１２】ベイジアンネットワークを示す図である。
【図１３】ＣＰＵが実行する処理を示すフローチャートである。
【図１４】データテーブルを示す図である。
【図１５】電力データを示す図である。
【図１６】差分曲線を示す図である。
【図１７】監視装置の変形例を示すブロック図である。
【発明を実施するための形態】
【００１３】
以下、本発明の一実施形態を、図面を参照しつつ説明する。図１は本実施形態に係る監視装置１０の概略的な構成を示すブロック図である。監視装置１０は、住宅５０に設置された電気機器５１ｉの消費電力の推移から、居住者７０の状態を監視する装置である。
【００１４】
住宅５０は、居住者７０が生活する住居である。住宅５０には、給湯器、電子レンジ、冷蔵庫、空調機等の電気機器５１が設置されている。これらの電気機器５１には、商用の電力系統に接続された引き込み線６０を介して電力が供給される。
【００１５】
監視装置１０は、図１に示されるように、ＣＰＵ（Central Processing Unit）２１、主記憶部２２、補助記憶部２３、入力部２４、表示部２５、インタフェース部２６、及び電力計測ユニット２８を有している。
【００１６】
ＣＰＵ２１は、補助記憶部２３に記憶されたプログラムを読み出して実行する。ＣＰＵ２１の具体的な動作については後述する。
【００１７】
主記憶部２２は、ＲＡＭ（Random Access Memory）等の揮発性メモリを有している。主記憶部２２は、ＣＰＵ２１の作業領域として用いられる。
【００１８】
補助記憶部２３は、ＲＯＭ（Read Only Memory）、磁気ディスク、半導体メモリ等の不揮発性メモリを有している。補助記憶部２３は、ＣＰＵ２１が実行するプログラム、及び各種パラメータなどを記憶している。また、ＣＰＵ２１による処理結果などを含む情報を順次記憶する。
【００１９】
入力部２４は、タッチパネルや、入力キーを有している。監視装置１０では、入力部２４のタッチパネルと表示部２５とからＧＵＩ（Graphical User Interface）が構成されている。そして、ユーザ（例えば居住者７０）の指示は、入力部２４を介して入力され、システムバス２７を経由してＣＰＵ２１に通知される。
【００２０】
表示部２５は、ＬＣＤ（Liquid Crystal Display）などの表示ユニットを有している。図２は、表示部２５に表示される画像ＩＭを示す図である。監視装置１０が起動されると、表示部２５は、図２に示される画像ＩＭを表示する。この画像ＩＭは、例えば、学習モードと判定モードとを切り替えるための選択ボタン３１，３２と、居住者７０の現在の状態を入力するための入力ボタン３３，３４，３５から構成される。
【００２１】
ユーザは、表示部２５のタッチパネルの、選択ボタン３１，３２と重なる部分にタッチすることで、監視装置１０のモードを切り替えることができる。また、入力ボタン３３，３４，３５と重なる部分にタッチすることで、監視装置１０へ、居住者７０の現在の状態を入力することができる。
【００２２】
以下、説明の便宜上、選択ボタン３１，３２と重なる部分へのタッチを、選択ボタン３１，３２の押下と表現し、入力ボタン３３〜３５と重なる部分へのタッチを、入力ボタン３３〜３５の押下と表現する。
【００２３】
図１に戻り、インタフェース部２６は、シリアルインタフェース、ＬＡＮ（Local Area Network）インタフェース等を含んで構成されている。このインタフェース部２６は、監視装置１０をインターネットに接続する。そして、電力計測ユニット２８を、システムバス２７に接続する。
【００２４】
電力計測ユニット２８は、住宅５０の分電盤等に設置されている。この電力計測ユニット２８は、引き込み線６０を介して供給される電力（消費電力）を所定の周期で計測する。そして、計測した結果を、計測した時刻と関連付けて電力データ（ｔ，Ｐ（ｔ））として出力する。図３は、電力データ（ｔ，Ｐ（ｔ））を示す図である。図３を参照するとわかるように、電力データを構成するｔは計測時刻を示し、Ｐ（ｔ）は住宅５０へ供給された電力の瞬時値を示す。
【００２５】
電力データ（ｔ，Ｐ（ｔ））は、インタフェース部２６によって受信され、順次補助記憶部２３に記憶される。
【００２６】
次に、上述のように構成された監視装置１０が実行する処理について説明する。監視装置１０の処理は、居住者７０の状態と消費電力の推移とを関連付けるための学習処理Ｓ１（学習モード）と、住宅５０での消費電力の推移から、居住者７０の状態を判断する監視処理Ｓ２（監視モード）に大別される。また、各処理Ｓ１，Ｓ２は、ＣＰＵ２１が、補助記憶部２３に記憶されたプログラムを読み出して実行することにより実現される。
【００２７】
図４のフローチャートは、ＣＰＵ２１によって実行されるプログラムの一連の処理アルゴリズムに対応している。以下、図４を参照しつつ、ＣＰＵ２１が実行する学習処理Ｓ１について説明する。図４のフローチャートに示される一連の処理は、表示部２５に表示された選択ボタン３１が押下されることを条件に実行される。
【００２８】
最初のステップＳ１０１では、ＣＰＵ２１は、内蔵するカウンタ値ｎを初期化する。これにより、カウンタ値ｎは零にリセットされる。
【００２９】
次のステップＳ１０２では、選択ボタン３１の表示色を変更する。これにより、監視装置１０が学習モードであることを確認することが可能となる。
【００３０】
次のステップＳ１０３では、入力ボタン３３〜３５のいずれかが押下されたか否かを確認する。学習モードが選択された後に、入力ボタン３３〜３５のいずれかが押下されている場合には（ステップＳ１０３：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ１０４へ移行する。
【００３１】
次のステップＳ１０４では、ＣＰＵ２１は、所定時間（例えば２時間）経過するまでにサンプリングされる電力データ（ｔ，Ｐ（ｔ））を抽出する。これにより、例えば図３に示される電力データが抽出される。ＣＰＵ２１は、所定時間が経過し、サンプリングが終了すると次のステップＳ１０５へ移行する。
【００３２】
次のステップＳ１０５では、ＣＰＵ２１は、カウンタ値ｎをインクリメントする。
【００３３】
次のステップＳ１０６では、ＣＰＵ２１は、電力Ｐ（ｔ）についての移動平均線Ｐｎ（ｔ）を算出する。図５は、移動平均線を算出する際の手順の一例を説明するための図である。図５を参照するとわかるように、ＣＰＵ２１は、例えば、２つの値Ｐ（ｔｎ）とＰ（ｔｎー１）との平均値Ｐｎ（ｔｎ）を算出する。そして、時刻ｔｎと平均値Ｐｎ（ｔｎ）からなるデータ（ｔｎ，Ｐｎ（ｔｎ）によって規定される移動平均線Ｐｎ（ｔ）を算出する。
【００３４】
具体的には図５に示されるように、ＣＰＵ２１は、Ｐ（ｔ１）とＰ（ｔ０）の平均値Ｐ１（ｔ１）、Ｐ（ｔ２）とＰ（ｔ１）の平均値Ｐ１（ｔ２）、Ｐ（ｔ３）とＰ（ｔ２）の平均値Ｐ１（ｔ３）、…、Ｐ（ｔｎ）とＰ（ｔｎー１）との平均値Ｐ１（ｔｎ）を順次算出する。そして、データ（ｔ１，Ｐ１（ｔ１））、データ（ｔ２，Ｐ１（ｔ２））、データ（ｔ３，Ｐ１（ｔ３）、…、データ（ｔｎ，Ｐ１（ｔｎ））によって規定される移動平均線Ｐ１（ｔ）を算出する。
【００３５】
次のステップＳ１０７では、ＣＰＵ２１は、図６に示されるように、移動平均線を規定するデータ（ｔ１，Ｐ１（ｔ１））、（ｔ２，Ｐ１（ｔ２））、（ｔ３，Ｐ１（ｔ３）、…、（ｔｎ，Ｐ１（ｔｎ））に基づく点を始点とし、対応する電力データ（ｔ１，Ｐ（ｔ１））、（ｔ２，Ｐ（ｔ２））、（ｔ３，Ｐ（ｔ３）、…、（ｔｎ，Ｐ（ｔｎ））に基づく点を終点とするベクトルＡ１〜Ａｎを算出する。
【００３６】
このベクトルＡ１〜Ａｎの大きさは、データ（ｔｎ，Ｐ１（ｔｎ））と、電力データ（ｔｎ，Ｐ（ｔｎ））との差を示し、ベクトルＡ１〜Ａｎの向きは、データ（ｔｎ，Ｐ１（ｔｎ））と比較したときの電力データ（ｔｎ，Ｐ（ｔｎ））の大小を示す。例えばベクトルＡｎの大きさが１００で、向きが下向きである場合には、Ｐ（ｔｎ）は、Ｐ１（ｔｎ）よりも小さく、その差は１００［Ｗ］であることを示す。
【００３７】
次のステップＳ１０８では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を算出する。例えばＣＰＵ２１は、図７を参照するとわかるように、ベクトルＡ１〜Ａｎに基づいて、データ（ｔｎ，Ｐ１（ｔｎ））と電力データ（ｔｎ，Ｐ（ｔｎ））との差分を示す点Ｆ１〜Ｆｎをプロットする。そして、点Ｆ１〜Ｆｎによって規定される差分曲線ｆ１（ｔ）を算出する。この差分曲線ｆ１（ｔ）を規定する点Ｆそれぞれの座標は、ベクトルＡｎの大きさを｜Ａｎ｜とすると、（ｔｎ，＋｜Ａｎ｜）或いは（ｔｎ，−｜Ａｎ｜）と表される。電力Ｐ（ｔ）と移動平均線Ｐ１（ｔ）とについて、上述の処理が行われることで、図８に示される差分曲線ｆ１（ｔ）が算出される。
【００３８】
次のステップＳ１０９では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を二値化することにより、０と１の集合からなるデータ列Ｄ（ｎ）を生成する。例えばＣＰＵ２１は、図９に示されるように差分を６つのレベルＬＶ１〜ＬＶ６に分割し、各レベルに対応する範囲に、差分曲線ｆｎ（ｔ）の一部が存在するか否か順に判定する。そして、レベルＬＶ１〜ＬＶ６についての判定結果に基づいてデータ列Ｄ（ｎ）を生成する。このデータ列Ｄ（ｎ）は、６つの要素ｄ１（ｎ），ｄ２（ｎ），…ｄ６（ｎ）から構成される。各要素ｄ１（ｎ），ｄ２（ｎ），…ｄ６（ｎ）はそれぞれのレベルに、差分曲線ｆｎ（ｔ）が存在するか否かを示しており、差分曲線ｆｎ（ｔ）の一部が存在する場合には１、差分曲線ｆｎ（ｔ）が存在しない場合には０となる。
【００３９】
例えば、図９に示される例では、レベルＬＶ１及びレベルＬＶ６に対応する範囲には、差分曲線ｆ１（ｔ）が存在しないが、レベルＬＶ２〜ＬＶ５には、差分曲線ｆ１（ｔ）が存在する。したがって、データ列Ｄ（１）を構成する要素［ｄ１，ｄ２，ｄ３，ｄ４，ｄ５，ｄ６］それぞれの値は、［０，１，１，１，１，０］となる。
【００４０】
次のステップＳ１１０では、ＣＰＵ２１は、カウンタ値ｎが基準値Ｎ以上であるか否かを判断する。カウンタ値ｎが基準値Ｎ以上でない場合には（ステップＳ１１０：Ｎｏ）、ＣＰＵ２１は、ステップＳ１０５に戻り、ステップＳ１１０での判断が肯定されるまで、移動平均線Ｐｎ（ｔ）に対して、ステップＳ１０６〜Ｓ１０９の処理を繰り返し実行する。これにより、移動平均線Ｐｎ（ｔ）に対する差分曲線ｆｎ＋１（ｔ）が順次算出され、Ｎ個のデータ列Ｄ（ｎ）からなる、データ列Ｄｔ（ｋ）が生成される。図１０を参照するとわかるように、データ列Ｄｔ（ｋ）は、Ｎ個のデータ列Ｄ（ｎ）が直列的に集合したデータである。
【００４１】
一方、カウンタ値ｎが基準値Ｎ以上である場合には（ステップＳ１１０：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ１１１へ移行する。
【００４２】
次のステップＳ１１１では、ＣＰＵ２１は、居住者７０の状態をデータ列Ｄｔ（ｋ）に関連付ける。居住者７０の状態の関連付けは、データ列Ｄｔ（ｋ）を構成する要素に対して行う。関連付けの対象となる要素の数は１つでも複数でもよいが、居住者７０の状態が変化することで、値が変化する要素に行うのが好ましい。例えば、図１０における要素ｄ２（１）の値が、居住者７０の状態が調理中である場合は１で、それ以外のときに０となることが予めわかっている場合等には、この要素ｄ２（１）に対して、居住者７０の状態を関連付ける。
【００４３】
例えば、図１０に示すテーブルＴＢ２は、要素ｄ２（１）に関連付けられ、データ列Ｄｔ（１）の基になる電力データがサンプリングされたときの居住者７０の状態を示している。テーブルＴＢ２では、項目が居住者７０の状態を示し、値が対応する項目の状態と電力データとの関連の有無を示している。このＴＢ２からは、データ列Ｄｔ（ｔ）の基になる電力データが、居住者７０の状態が調理中であったときにサンプリングされたものであることがわかる。
【００４４】
ＣＰＵ２１は、入力ボタン３３〜３５が押下されることで、居住者７０の状況を認識して、テーブルＴＢを生成する。そして、テーブルＴＢを、データ列Ｄｔ（１）の所定の要素ｄｋ（ｎ）へ関連付ける。
【００４５】
次のステップＳ１１２では、ＣＰＵ２１は、監視モードが選択されているか否かを確認する。監視モードが選択されていない場合には（ステップＳ１１２：Ｎｏ）、ステップＳ１０１へ戻り、以降、ステップＳ１１２での判断が肯定されるまで、ステップＳ１０１〜Ｓ１１１の処理を繰り返し実行する。これにより、図１１に示されるように、所定の要素ｄｋ（ｎ）にテーブルＴＢが関連付けられた複数のＤｔ（ｋ）が生成される。
【００４６】
一方、監視モードが選択されている場合には（ステップＳ１１２：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ１１３へ移行する。
【００４７】
ステップＳ１１３では、ＣＰＵ２１は、ベイジアンネットワークを構築する。例えば、図１１には、Ｄｔ（ｋ）と、Ｄｔ（ｋ）の要素ｄ２（ｎ）に関連付けられたテーブルが一例として示されている。テーブルＴＢが関連づけられた４つの要素ｄ２（ｎ）と、テーブルＴＢの各項目の値から、要素ｄ２（ｎ）の値が１であったときには、３／４の確率で、居住者の状態が調理中であり、１／４の確率で外出中であることがわかる。
【００４８】
そこで、ＣＰＵ２１は、所定の要素ｄｋ（ｎ）の値と、当該要素に関連付けられたテーブルＴＢに基づいて、図１２に示されるように、入力をデータ列Ｄｔ（ｋ）とし、出力を確率Ｙ１％，Ｙ２％，Ｙ３％とするベイジアンネットワークを構築する。確率Ｙ１％は、当該データ列Ｄｔ（ｋ）の基となる電力データがサンプリングされたときに、居住者７０が外出中である確率である。また、確率Ｙ２％は、調理中である確率であり、確率Ｙ３％は、就寝中である確率である。ＣＰＵ２１は、ベイジアンネットワークの構築が終了すると、学習処理Ｓ１を終了する。
【００４９】
次に、ＣＰＵ２１が実行する監視処理Ｓ２について説明する。図１３のフローチャートに示される処理は、ＣＰＵ２１によって実行される一連の処理アルゴリズムに対応している。以下、図１３を参照しつつ、ＣＰＵ２１が実行する学習処理Ｓ１について説明する。図１３のフローチャートに示される一連の処理は、表示部２５に表示された選択ボタン３２が押下されることを条件に実行される。
【００５０】
最初のステップＳ２０１では、ＣＰＵ２１は、内蔵するカウンタ値ｎを初期化する。これにより、カウンタ値ｎは零にリセットされる。
【００５１】
次のステップＳ２０２では、選択ボタン３２の表示色を変更する。これにより、監視装置１０が監視モードであることを確認することが可能となる。
【００５２】
次のステップＳ２０３では、ＣＰＵ２１は、所定時間（例えば２時間）経過するまでにサンプリングされる電力データ（ｔ，Ｐ（ｔ））を抽出する。これにより、例えば図３に示される電力データが抽出される。ＣＰＵ２１は、所定時間が経過し、サンプリングが終了すると次のステップＳ２０４へ移行する。
【００５３】
次のステップＳ２０４では、ＣＰＵ２１は、カウンタ値ｎをインクリメントする。
【００５４】
次のステップＳ２０５では、ＣＰＵ２１は、電力Ｐ（ｔ）についての移動平均線Ｐｎ（ｔ）を算出する。移動平均線Ｐｎ（ｔ）を算出は、上述したステップＳ１０６と同等の手順で行う。
【００５５】
次のステップＳ２０６では、ＣＰＵ２１は、図６に示されるように、移動平均線を規定するデータ（ｔｎ，Ｐｎ（ｔｎ））に基づく点を始点とし、対応する電力データ（ｔｎ，Ｐ（ｔｎ））に基づく点を終点とするベクトルＡ１〜Ａｎを算出する。
【００５６】
次のステップＳ２０７では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を算出する。この差分曲線ｆｎ（ｔ）の算出は、上述したステップＳ１０８と同等の手順で行う。
【００５７】
次のステップＳ２０８では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を二値化することにより、０と１の集合からなるデータ列Ｄ（ｎ）を生成する。このデータ列Ｄ（ｎ）の生成は、上述したステップＳ１０９と同等の手順で行う。
【００５８】
次のステップＳ２０９では、ＣＰＵ２１は、カウンタ値ｎが基準値Ｎ以上であるか否かを判断する。カウンタ値ｎが基準値Ｎ以上でない場合には（ステップＳ２０９：Ｎｏ）、ＣＰＵ２１は、ステップＳ２０４に戻り、ステップＳ２０９での判断が肯定されるまで、移動平均線Ｐｎ（ｔ）に対して、ステップＳ２０５〜Ｓ２０８の処理を繰り返し実行する。これにより、移動平均線Ｐｎ（ｔ）に対する差分曲線ｆｎ＋１（ｔ）が順次算出され、Ｎ個のデータ列Ｄ（ｎ）からなる、データ列Ｄｔ（ｋ）が生成される。
【００５９】
一方、カウンタ値ｎが基準値Ｎ以上である場合には（ステップＳ２０９：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ２１０へ移行する。
【００６０】
ステップＳ２１０では、ＣＰＵ２１は、データ列Ｄｔ（ｋ）の基礎となる電力データ（ｔ，Ｐ（ｔ））がサンプリングされたときの居住者７０の状態が、外出中である確率Ｙ１％、調理中である確率Ｙ２％、就寝中である確率Ｙ３％をそれぞれ算出する。
【００６１】
図１２を参照するとわかるように、確率Ｙ１％，Ｙ２％，Ｙ３％は、学習処理Ｓ１を実行することによって生成されたベイジアンネットワークへ、データ列Ｄｔ（ｋ）を入力することによって得られる。
【００６２】
次のステップＳ２１１では、ＣＰＵ２１は、確率Ｙ１％，Ｙ２％，Ｙ３％と、図１４に示されるテーブルを用いて、電力データ（ｔ，Ｐ（ｔ））の変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％を算出する。具体的には、確率Ｙｒ％，Ｙｍ％はそれぞれ次の式（１）及び式（２）を用いて算出される。
【００６３】
Ｙｒ％＝３％・Ｙ１％＋７０％・Ｙ２％＋５％・Ｙ３％ …（１）
Ｙｍ％＝９７％・Ｙ１％＋３０％・Ｙ２％＋９５％・Ｙ３％ …（２）
【００６４】
例えば、居住者７０が外出中である確率Ｙ１％が８０％であり、調理中である確率Ｙ２％が１０％であり、就寝中である確率Ｙ３％が１０％である場合には、確率Ｙｒ％は、９．９％となり、確率Ｙｍ％は、９０．１％となる。
【００６５】
次のステップＳ２１２では、ＣＰＵ２１は、インタフェース部２６を介して、確率Ｙｒ％，Ｙｍ％に関する情報を、インターネット８０へ出力する。これにより、例えばパソコン等の通信端末を用いて、遠方から確率Ｙｒ％，Ｙｍ％に関する情報を取得することができる。
【００６６】
次のステップＳ２１３では、ＣＰＵ２１は、学習モードが選択されているか否かを確認する。学習モードが選択されていない場合には（ステップＳ２１３：Ｎｏ）、ＣＰＵ２１は、ステップＳ２０１へ戻り、以降、ステップＳ２１２での判断が肯定されるまで、ステップＳ２０１〜Ｓ２１２の処理を繰り返し実行する。一方、学習モードが選択されている場合には（ステップＳ２１３：Ｙｅｓ）、ＣＰＵ２１は、監視処理Ｓ２を終了する。
【００６７】
以上説明したように、本実施形態では、居住者の行為に起因する電力の変化を示す差分曲線ｆｎ（ｔ）が算出される。次に、この差分曲線ｆｎ（ｔ）に基づいて、データ列Ｄｔ（ｎ）が生成される。そして、データ列Ｄｔ（ｎ）を入力とするベイジアンネットワークから出力される確率Ｙ１％，Ｙ２％，Ｙ３％に基づいて、電力データ（ｔ，Ｐ（ｔ））の変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％が算出される。
【００６８】
差分曲線ｆｎ（ｔ）には、居住者の行為による消費電力の変化が、電気機器の自動運転による消費電力の変化に比較して大きく現れる。例えば図１５には、居住者７０が就寝しているときにサンプリングされた電力の推移を示す曲線Ｐ（ｔ）が示されている。この曲線において、ピークＰｅ１は、居住者７０の行為に起因するものであり、ピークＰｅ２，Ｐｅ３，Ｐｅ４は、電気機器の自動運転に起因するものである。このピークＰｅ１〜Ｐｅ４のレベルは、図１５ではほぼ等しい。しかしながら、図１６に示される差分曲線ｆｎ（ｔ）によって示されるピークＰｅ１は、ピークＰｅ２〜Ｐｅ４に比べてレベルが著しく高い。
【００６９】
したがって、本実施形態のように、差分曲線ｆｎ（ｔ）を用いて、確率Ｙｒ％と、確率Ｙｍ％を算出することで、精度良く当該確率Ｙｒ％、Ｙｍ％を算出することができる。ひいては、居住者７０の異常の有無を精度良く判断することが可能となる。
【００７０】
また、本実施形態では、二値のデータからなるデータ列Ｄｔ（ｋ）が、ベイジアンネットワークに入力されることによって、確率Ｙ１％，Ｙ２％，Ｙ３％が算出される。そして、当該確率Ｙ１％，Ｙ２％，Ｙ３％に基づいて、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％が算出される。このため、確率Ｙｒ％，Ｙｍ％の算出の際に取り扱うデータの量が少なくなり、装置の小型化を実現するとともに、迅速に確率Ｙｒ％，Ｙｍ％を算出することが可能となる。
【００７１】
以上、本発明の各実施形態について説明したが、本発明は上記各実施形態によって限定されるものではない。
【００７２】
例えば、上記実施形態では、監視装置１０が、コンピュータと同様に、ＣＰＵ２１，主記憶部２２，補助記憶部２３を含み、プログラム等のソフトウエアが補助記憶部２３に記憶されていることとした。これに限らず、監視装置１０は、例えば、図１７に示されるように、電力計測ユニット２８、入力部２４、表示部２５、移動平均線算出部１０ａ、差分算出部１０ｂ、差分曲線算出部１０ｃ，データ列生成部１０ｄ，第１算出部１０ｅ，第２算出部１０ｆ及び記憶部１０ｇを有していてもよい。
【００７３】
この場合、移動平均線算出部１０ａは、電力Ｐ（ｔ）についての移動平均線Ｐｎ（ｔ）を算出する。
【００７４】
差分算出部１０ｂは、図６に示されるように、移動平均線を規定するデータ（ｔｎ，Ｐｎ（ｔｎ））に基づく点を始点とし、対応する電力データ（ｔｎ，Ｐ（ｔｎ））に基づく点を終点とするベクトルＡｎを算出する。
【００７５】
差分曲線算出部１０ｃは、ベクトルＡｎに基づいて、差分曲線ｆｎ（ｔ）を算出する。
【００７６】
データ列生成部１０ｄは、差分曲線ｆｎ（ｔ）それぞれを二値化することにより、０と１の集合からなるデータ列Ｄｔ（ｎ）を生成する。
【００７７】
第１算出部１０ｅは、ベイジアンネットワークへ、データ列Ｄｔ（ｋ）を入力して、データ列Ｄｔ（ｋ）の基礎となる電力データ（ｔ，Ｐ（ｔ））がサンプリングされたときの居住者７０の状態が、外出中である確率Ｙ１％、調理中である確率Ｙ２％、就寝中である確率Ｙ３％を算出する。
【００７８】
第２算出部１０ｆは、確率Ｙ１％，Ｙ２％，Ｙ３％と、図１４に示されるテーブルを用いて、電力データ（ｔ，Ｐ（ｔ））の変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％を算出する。そして、算出結果をインターネット８０へ出力する。
【００７９】
記憶部１０ｇは、電力計測ユニット２８、入力部２４から入力されるデータ、表示部２５に表示させるための画像情報、及び各部の処理結果を記憶する。
【００８０】
本実施形態では、居住者７０の状態が、外出中、調理中、就寝中の３つに区分される場合について説明したが、この区分は一例である。また、居住者７０の状態は、４つ以上に区分されていてもよい。
【００８１】
本実施形態では、算出結果をインターネット８０へ出力することとしたが、これに限らず、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％が、一定期間（例えば２，３日）継続した場合に、インターネットを介して外部に居住者７０の異常を通知するメール等を送信してもよい。また、住宅５０の外部に音や光を用いて、警報を発令してもよい。
【００８２】
本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施形態及び変形が可能とされるものである。また、上述した実施形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。つまり、本発明の範囲は、実施形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、本発明の範囲内とみなされる。
【産業上の利用可能性】
【００８３】
本発明の監視装置及び監視方法は、居住者の監視に適している。
【符号の説明】
【００８４】
１０ 監視装置
１０ａ 移動平均線算出部
１０ｂ 差分算出部
１０ｃ 差分曲線算出部
１０ｄ データ列生成部
１０ｅ 第１算出部
１０ｆ 第２算出部
１０ｇ 記憶部
２０ 監視装置
２１ ＣＰＵ
２２ 主記憶部
２３ 補助記憶部
２３ 順次補助記憶部
２４ 入力部
２５ 表示部
２６ インタフェース部
２７ システムバス
２８ 電力計測ユニット
３１，３２ 選択ボタン
３３〜３５ 入力ボタン
５０ 住宅
５１ 電気機器
６０ 線
７０ 居住者
８０ インターネット
Ａ ベクトル
Ｄ， Ｄｔ データ列
Ｆ 点
Ｆｎ 点
ＩＭ 画像
ＬＶ１〜ＬＶ６ レベル
Ｐｅ１〜Ｐｅ４ ピーク
ＴＢ テーブル
【技術分野】
【０００１】
本発明は、監視装置及び監視方法に関し、更に詳しくは、住宅に居住する居住者を監視するための監視装置及び監視方法に関する。
【背景技術】
【０００２】
核家族世帯の増加やライフスタイルの多様化の進展にともない、１つの世帯を構成する個人の数は減少する傾向にある。また、経済のグローバル化にともない、労働人口に対する単身赴任者の割合も増加することが予測される。このため、遠方から、家族や近親者の健康状態を確認するためのシステムの研究開発が盛んに行われている（例えば特許文献１及び２参照）。
【０００３】
特許文献１に記載の装置は、住宅内で異常なく生活する居住者の電力使用パターンと、住宅内の電源系統を流れる電流値から特定される電力使用パターンを比較することにより、居住者の健康状態を推測する。
【０００４】
また、特許文献２に記載の装置は、住宅内で消費される電力量を計測することにより、居住者の生活パターンを推定する。そして、推定した生活パターンと予想パラメータとを比較することにより、居住者に異常があるか否かを判断する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００２−１０９６６３号公報
【特許文献２】特開２００８−１１２２６７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
特許文献１に記載された装置を用いる場合には、住宅内で分岐する電力系統すべてに、電流を計測するための計測装置を取り付ける必要がある。このため、装置の製造コストやランニングコストが増加するという問題がある。
【０００７】
特許文献２に記載された装置は、住宅内で消費される電力量の変化に基づいて居住者の生活パターンを推定する。このため、基幹ブレーカの近傍に電力量計を設置するだけで、異常事態の有無を遠方から判断することが可能となる。このため、装置の構造を簡素化することができ、製造コストやランニングコストを抑えることができる。
【０００８】
しかしながら、上記装置が実行する方法では、例えば電気温水器や、空調装置等に代表される機器が自動的に動作すると、正しく異常の有無を判断することが困難になるという問題がある。
【０００９】
本発明は、上述の事情の下になされたもので、住宅内の異常の有無を簡易な装置で精度よく判断することを目的とする。
【課題を解決するための手段】
【００１０】
上記目的を達成するため、本発明の監視装置は、
住宅に供給される電力を計測する電力計測手段と、
前記電力の計測結果を時系列的に記憶する記憶手段と、
前記記憶手段に記憶された前記電力の推移を示す推移曲線の移動平均線を算出する移動平均線算出手段と、
前記移動平均線上の点と、前記推移曲線上の点との差分を算出する差分算出手段と、
前記差分の時間的な推移を示す差分曲線を算出する差分曲線算出手段と、
前記差分曲線から二値のデータからなるデータ列を生成するデータ列生成手段と、
前記データ列が入力されたときに、前記電力が計測されたときの前記住宅に居住する居住者の状態が、所定の状態である確率を算出する第１算出手段と、
前記第１算出手段の算出結果に基づいて、前記電力の推移が、前記居住者の行為に起因する確率を算出する第２算出手段と、
を備える。
【発明の効果】
【００１１】
本発明によれば、居住者の行為に起因する電力の変化を示す差分曲線が算出される。そして、この差分曲線に基づいて、電力の推移が居住者の行為に起因する確率が算出される。したがって、この確率に基づいて、住宅内の異常の有無を精度良く判断することが可能となる。また、本発明によれば、二値化されたデータを用いて、住宅内の異常の有無を判断することができる。このため、判断を行う際に取り扱うデータの量が少なくなり、装置を簡素化することができる。
【図面の簡単な説明】
【００１２】
【図１】本実施形態に係る監視装置のブロック図である。
【図２】表示部に表示される画像を示す図である。
【図３】電力データを示す図である。
【図４】ＣＰＵが実行する処理を示すフローチャートである。
【図５】移動平均線を算出する際の手順の一例を説明するための図である。
【図６】差分を表すベクトルを示す図である。
【図７】差分曲線の算出手順を説明するための図である。
【図８】差分曲線を示す図である。
【図９】データ列の生成手順を説明するための図である。
【図１０】データ列を示す図である。
【図１１】データ列を示す図である。
【図１２】ベイジアンネットワークを示す図である。
【図１３】ＣＰＵが実行する処理を示すフローチャートである。
【図１４】データテーブルを示す図である。
【図１５】電力データを示す図である。
【図１６】差分曲線を示す図である。
【図１７】監視装置の変形例を示すブロック図である。
【発明を実施するための形態】
【００１３】
以下、本発明の一実施形態を、図面を参照しつつ説明する。図１は本実施形態に係る監視装置１０の概略的な構成を示すブロック図である。監視装置１０は、住宅５０に設置された電気機器５１ｉの消費電力の推移から、居住者７０の状態を監視する装置である。
【００１４】
住宅５０は、居住者７０が生活する住居である。住宅５０には、給湯器、電子レンジ、冷蔵庫、空調機等の電気機器５１が設置されている。これらの電気機器５１には、商用の電力系統に接続された引き込み線６０を介して電力が供給される。
【００１５】
監視装置１０は、図１に示されるように、ＣＰＵ（Central Processing Unit）２１、主記憶部２２、補助記憶部２３、入力部２４、表示部２５、インタフェース部２６、及び電力計測ユニット２８を有している。
【００１６】
ＣＰＵ２１は、補助記憶部２３に記憶されたプログラムを読み出して実行する。ＣＰＵ２１の具体的な動作については後述する。
【００１７】
主記憶部２２は、ＲＡＭ（Random Access Memory）等の揮発性メモリを有している。主記憶部２２は、ＣＰＵ２１の作業領域として用いられる。
【００１８】
補助記憶部２３は、ＲＯＭ（Read Only Memory）、磁気ディスク、半導体メモリ等の不揮発性メモリを有している。補助記憶部２３は、ＣＰＵ２１が実行するプログラム、及び各種パラメータなどを記憶している。また、ＣＰＵ２１による処理結果などを含む情報を順次記憶する。
【００１９】
入力部２４は、タッチパネルや、入力キーを有している。監視装置１０では、入力部２４のタッチパネルと表示部２５とからＧＵＩ（Graphical User Interface）が構成されている。そして、ユーザ（例えば居住者７０）の指示は、入力部２４を介して入力され、システムバス２７を経由してＣＰＵ２１に通知される。
【００２０】
表示部２５は、ＬＣＤ（Liquid Crystal Display）などの表示ユニットを有している。図２は、表示部２５に表示される画像ＩＭを示す図である。監視装置１０が起動されると、表示部２５は、図２に示される画像ＩＭを表示する。この画像ＩＭは、例えば、学習モードと判定モードとを切り替えるための選択ボタン３１，３２と、居住者７０の現在の状態を入力するための入力ボタン３３，３４，３５から構成される。
【００２１】
ユーザは、表示部２５のタッチパネルの、選択ボタン３１，３２と重なる部分にタッチすることで、監視装置１０のモードを切り替えることができる。また、入力ボタン３３，３４，３５と重なる部分にタッチすることで、監視装置１０へ、居住者７０の現在の状態を入力することができる。
【００２２】
以下、説明の便宜上、選択ボタン３１，３２と重なる部分へのタッチを、選択ボタン３１，３２の押下と表現し、入力ボタン３３〜３５と重なる部分へのタッチを、入力ボタン３３〜３５の押下と表現する。
【００２３】
図１に戻り、インタフェース部２６は、シリアルインタフェース、ＬＡＮ（Local Area Network）インタフェース等を含んで構成されている。このインタフェース部２６は、監視装置１０をインターネットに接続する。そして、電力計測ユニット２８を、システムバス２７に接続する。
【００２４】
電力計測ユニット２８は、住宅５０の分電盤等に設置されている。この電力計測ユニット２８は、引き込み線６０を介して供給される電力（消費電力）を所定の周期で計測する。そして、計測した結果を、計測した時刻と関連付けて電力データ（ｔ，Ｐ（ｔ））として出力する。図３は、電力データ（ｔ，Ｐ（ｔ））を示す図である。図３を参照するとわかるように、電力データを構成するｔは計測時刻を示し、Ｐ（ｔ）は住宅５０へ供給された電力の瞬時値を示す。
【００２５】
電力データ（ｔ，Ｐ（ｔ））は、インタフェース部２６によって受信され、順次補助記憶部２３に記憶される。
【００２６】
次に、上述のように構成された監視装置１０が実行する処理について説明する。監視装置１０の処理は、居住者７０の状態と消費電力の推移とを関連付けるための学習処理Ｓ１（学習モード）と、住宅５０での消費電力の推移から、居住者７０の状態を判断する監視処理Ｓ２（監視モード）に大別される。また、各処理Ｓ１，Ｓ２は、ＣＰＵ２１が、補助記憶部２３に記憶されたプログラムを読み出して実行することにより実現される。
【００２７】
図４のフローチャートは、ＣＰＵ２１によって実行されるプログラムの一連の処理アルゴリズムに対応している。以下、図４を参照しつつ、ＣＰＵ２１が実行する学習処理Ｓ１について説明する。図４のフローチャートに示される一連の処理は、表示部２５に表示された選択ボタン３１が押下されることを条件に実行される。
【００２８】
最初のステップＳ１０１では、ＣＰＵ２１は、内蔵するカウンタ値ｎを初期化する。これにより、カウンタ値ｎは零にリセットされる。
【００２９】
次のステップＳ１０２では、選択ボタン３１の表示色を変更する。これにより、監視装置１０が学習モードであることを確認することが可能となる。
【００３０】
次のステップＳ１０３では、入力ボタン３３〜３５のいずれかが押下されたか否かを確認する。学習モードが選択された後に、入力ボタン３３〜３５のいずれかが押下されている場合には（ステップＳ１０３：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ１０４へ移行する。
【００３１】
次のステップＳ１０４では、ＣＰＵ２１は、所定時間（例えば２時間）経過するまでにサンプリングされる電力データ（ｔ，Ｐ（ｔ））を抽出する。これにより、例えば図３に示される電力データが抽出される。ＣＰＵ２１は、所定時間が経過し、サンプリングが終了すると次のステップＳ１０５へ移行する。
【００３２】
次のステップＳ１０５では、ＣＰＵ２１は、カウンタ値ｎをインクリメントする。
【００３３】
次のステップＳ１０６では、ＣＰＵ２１は、電力Ｐ（ｔ）についての移動平均線Ｐｎ（ｔ）を算出する。図５は、移動平均線を算出する際の手順の一例を説明するための図である。図５を参照するとわかるように、ＣＰＵ２１は、例えば、２つの値Ｐ（ｔｎ）とＰ（ｔｎー１）との平均値Ｐｎ（ｔｎ）を算出する。そして、時刻ｔｎと平均値Ｐｎ（ｔｎ）からなるデータ（ｔｎ，Ｐｎ（ｔｎ）によって規定される移動平均線Ｐｎ（ｔ）を算出する。
【００３４】
具体的には図５に示されるように、ＣＰＵ２１は、Ｐ（ｔ１）とＰ（ｔ０）の平均値Ｐ１（ｔ１）、Ｐ（ｔ２）とＰ（ｔ１）の平均値Ｐ１（ｔ２）、Ｐ（ｔ３）とＰ（ｔ２）の平均値Ｐ１（ｔ３）、…、Ｐ（ｔｎ）とＰ（ｔｎー１）との平均値Ｐ１（ｔｎ）を順次算出する。そして、データ（ｔ１，Ｐ１（ｔ１））、データ（ｔ２，Ｐ１（ｔ２））、データ（ｔ３，Ｐ１（ｔ３）、…、データ（ｔｎ，Ｐ１（ｔｎ））によって規定される移動平均線Ｐ１（ｔ）を算出する。
【００３５】
次のステップＳ１０７では、ＣＰＵ２１は、図６に示されるように、移動平均線を規定するデータ（ｔ１，Ｐ１（ｔ１））、（ｔ２，Ｐ１（ｔ２））、（ｔ３，Ｐ１（ｔ３）、…、（ｔｎ，Ｐ１（ｔｎ））に基づく点を始点とし、対応する電力データ（ｔ１，Ｐ（ｔ１））、（ｔ２，Ｐ（ｔ２））、（ｔ３，Ｐ（ｔ３）、…、（ｔｎ，Ｐ（ｔｎ））に基づく点を終点とするベクトルＡ１〜Ａｎを算出する。
【００３６】
このベクトルＡ１〜Ａｎの大きさは、データ（ｔｎ，Ｐ１（ｔｎ））と、電力データ（ｔｎ，Ｐ（ｔｎ））との差を示し、ベクトルＡ１〜Ａｎの向きは、データ（ｔｎ，Ｐ１（ｔｎ））と比較したときの電力データ（ｔｎ，Ｐ（ｔｎ））の大小を示す。例えばベクトルＡｎの大きさが１００で、向きが下向きである場合には、Ｐ（ｔｎ）は、Ｐ１（ｔｎ）よりも小さく、その差は１００［Ｗ］であることを示す。
【００３７】
次のステップＳ１０８では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を算出する。例えばＣＰＵ２１は、図７を参照するとわかるように、ベクトルＡ１〜Ａｎに基づいて、データ（ｔｎ，Ｐ１（ｔｎ））と電力データ（ｔｎ，Ｐ（ｔｎ））との差分を示す点Ｆ１〜Ｆｎをプロットする。そして、点Ｆ１〜Ｆｎによって規定される差分曲線ｆ１（ｔ）を算出する。この差分曲線ｆ１（ｔ）を規定する点Ｆそれぞれの座標は、ベクトルＡｎの大きさを｜Ａｎ｜とすると、（ｔｎ，＋｜Ａｎ｜）或いは（ｔｎ，−｜Ａｎ｜）と表される。電力Ｐ（ｔ）と移動平均線Ｐ１（ｔ）とについて、上述の処理が行われることで、図８に示される差分曲線ｆ１（ｔ）が算出される。
【００３８】
次のステップＳ１０９では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を二値化することにより、０と１の集合からなるデータ列Ｄ（ｎ）を生成する。例えばＣＰＵ２１は、図９に示されるように差分を６つのレベルＬＶ１〜ＬＶ６に分割し、各レベルに対応する範囲に、差分曲線ｆｎ（ｔ）の一部が存在するか否か順に判定する。そして、レベルＬＶ１〜ＬＶ６についての判定結果に基づいてデータ列Ｄ（ｎ）を生成する。このデータ列Ｄ（ｎ）は、６つの要素ｄ１（ｎ），ｄ２（ｎ），…ｄ６（ｎ）から構成される。各要素ｄ１（ｎ），ｄ２（ｎ），…ｄ６（ｎ）はそれぞれのレベルに、差分曲線ｆｎ（ｔ）が存在するか否かを示しており、差分曲線ｆｎ（ｔ）の一部が存在する場合には１、差分曲線ｆｎ（ｔ）が存在しない場合には０となる。
【００３９】
例えば、図９に示される例では、レベルＬＶ１及びレベルＬＶ６に対応する範囲には、差分曲線ｆ１（ｔ）が存在しないが、レベルＬＶ２〜ＬＶ５には、差分曲線ｆ１（ｔ）が存在する。したがって、データ列Ｄ（１）を構成する要素［ｄ１，ｄ２，ｄ３，ｄ４，ｄ５，ｄ６］それぞれの値は、［０，１，１，１，１，０］となる。
【００４０】
次のステップＳ１１０では、ＣＰＵ２１は、カウンタ値ｎが基準値Ｎ以上であるか否かを判断する。カウンタ値ｎが基準値Ｎ以上でない場合には（ステップＳ１１０：Ｎｏ）、ＣＰＵ２１は、ステップＳ１０５に戻り、ステップＳ１１０での判断が肯定されるまで、移動平均線Ｐｎ（ｔ）に対して、ステップＳ１０６〜Ｓ１０９の処理を繰り返し実行する。これにより、移動平均線Ｐｎ（ｔ）に対する差分曲線ｆｎ＋１（ｔ）が順次算出され、Ｎ個のデータ列Ｄ（ｎ）からなる、データ列Ｄｔ（ｋ）が生成される。図１０を参照するとわかるように、データ列Ｄｔ（ｋ）は、Ｎ個のデータ列Ｄ（ｎ）が直列的に集合したデータである。
【００４１】
一方、カウンタ値ｎが基準値Ｎ以上である場合には（ステップＳ１１０：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ１１１へ移行する。
【００４２】
次のステップＳ１１１では、ＣＰＵ２１は、居住者７０の状態をデータ列Ｄｔ（ｋ）に関連付ける。居住者７０の状態の関連付けは、データ列Ｄｔ（ｋ）を構成する要素に対して行う。関連付けの対象となる要素の数は１つでも複数でもよいが、居住者７０の状態が変化することで、値が変化する要素に行うのが好ましい。例えば、図１０における要素ｄ２（１）の値が、居住者７０の状態が調理中である場合は１で、それ以外のときに０となることが予めわかっている場合等には、この要素ｄ２（１）に対して、居住者７０の状態を関連付ける。
【００４３】
例えば、図１０に示すテーブルＴＢ２は、要素ｄ２（１）に関連付けられ、データ列Ｄｔ（１）の基になる電力データがサンプリングされたときの居住者７０の状態を示している。テーブルＴＢ２では、項目が居住者７０の状態を示し、値が対応する項目の状態と電力データとの関連の有無を示している。このＴＢ２からは、データ列Ｄｔ（ｔ）の基になる電力データが、居住者７０の状態が調理中であったときにサンプリングされたものであることがわかる。
【００４４】
ＣＰＵ２１は、入力ボタン３３〜３５が押下されることで、居住者７０の状況を認識して、テーブルＴＢを生成する。そして、テーブルＴＢを、データ列Ｄｔ（１）の所定の要素ｄｋ（ｎ）へ関連付ける。
【００４５】
次のステップＳ１１２では、ＣＰＵ２１は、監視モードが選択されているか否かを確認する。監視モードが選択されていない場合には（ステップＳ１１２：Ｎｏ）、ステップＳ１０１へ戻り、以降、ステップＳ１１２での判断が肯定されるまで、ステップＳ１０１〜Ｓ１１１の処理を繰り返し実行する。これにより、図１１に示されるように、所定の要素ｄｋ（ｎ）にテーブルＴＢが関連付けられた複数のＤｔ（ｋ）が生成される。
【００４６】
一方、監視モードが選択されている場合には（ステップＳ１１２：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ１１３へ移行する。
【００４７】
ステップＳ１１３では、ＣＰＵ２１は、ベイジアンネットワークを構築する。例えば、図１１には、Ｄｔ（ｋ）と、Ｄｔ（ｋ）の要素ｄ２（ｎ）に関連付けられたテーブルが一例として示されている。テーブルＴＢが関連づけられた４つの要素ｄ２（ｎ）と、テーブルＴＢの各項目の値から、要素ｄ２（ｎ）の値が１であったときには、３／４の確率で、居住者の状態が調理中であり、１／４の確率で外出中であることがわかる。
【００４８】
そこで、ＣＰＵ２１は、所定の要素ｄｋ（ｎ）の値と、当該要素に関連付けられたテーブルＴＢに基づいて、図１２に示されるように、入力をデータ列Ｄｔ（ｋ）とし、出力を確率Ｙ１％，Ｙ２％，Ｙ３％とするベイジアンネットワークを構築する。確率Ｙ１％は、当該データ列Ｄｔ（ｋ）の基となる電力データがサンプリングされたときに、居住者７０が外出中である確率である。また、確率Ｙ２％は、調理中である確率であり、確率Ｙ３％は、就寝中である確率である。ＣＰＵ２１は、ベイジアンネットワークの構築が終了すると、学習処理Ｓ１を終了する。
【００４９】
次に、ＣＰＵ２１が実行する監視処理Ｓ２について説明する。図１３のフローチャートに示される処理は、ＣＰＵ２１によって実行される一連の処理アルゴリズムに対応している。以下、図１３を参照しつつ、ＣＰＵ２１が実行する学習処理Ｓ１について説明する。図１３のフローチャートに示される一連の処理は、表示部２５に表示された選択ボタン３２が押下されることを条件に実行される。
【００５０】
最初のステップＳ２０１では、ＣＰＵ２１は、内蔵するカウンタ値ｎを初期化する。これにより、カウンタ値ｎは零にリセットされる。
【００５１】
次のステップＳ２０２では、選択ボタン３２の表示色を変更する。これにより、監視装置１０が監視モードであることを確認することが可能となる。
【００５２】
次のステップＳ２０３では、ＣＰＵ２１は、所定時間（例えば２時間）経過するまでにサンプリングされる電力データ（ｔ，Ｐ（ｔ））を抽出する。これにより、例えば図３に示される電力データが抽出される。ＣＰＵ２１は、所定時間が経過し、サンプリングが終了すると次のステップＳ２０４へ移行する。
【００５３】
次のステップＳ２０４では、ＣＰＵ２１は、カウンタ値ｎをインクリメントする。
【００５４】
次のステップＳ２０５では、ＣＰＵ２１は、電力Ｐ（ｔ）についての移動平均線Ｐｎ（ｔ）を算出する。移動平均線Ｐｎ（ｔ）を算出は、上述したステップＳ１０６と同等の手順で行う。
【００５５】
次のステップＳ２０６では、ＣＰＵ２１は、図６に示されるように、移動平均線を規定するデータ（ｔｎ，Ｐｎ（ｔｎ））に基づく点を始点とし、対応する電力データ（ｔｎ，Ｐ（ｔｎ））に基づく点を終点とするベクトルＡ１〜Ａｎを算出する。
【００５６】
次のステップＳ２０７では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を算出する。この差分曲線ｆｎ（ｔ）の算出は、上述したステップＳ１０８と同等の手順で行う。
【００５７】
次のステップＳ２０８では、ＣＰＵ２１は、差分曲線ｆｎ（ｔ）を二値化することにより、０と１の集合からなるデータ列Ｄ（ｎ）を生成する。このデータ列Ｄ（ｎ）の生成は、上述したステップＳ１０９と同等の手順で行う。
【００５８】
次のステップＳ２０９では、ＣＰＵ２１は、カウンタ値ｎが基準値Ｎ以上であるか否かを判断する。カウンタ値ｎが基準値Ｎ以上でない場合には（ステップＳ２０９：Ｎｏ）、ＣＰＵ２１は、ステップＳ２０４に戻り、ステップＳ２０９での判断が肯定されるまで、移動平均線Ｐｎ（ｔ）に対して、ステップＳ２０５〜Ｓ２０８の処理を繰り返し実行する。これにより、移動平均線Ｐｎ（ｔ）に対する差分曲線ｆｎ＋１（ｔ）が順次算出され、Ｎ個のデータ列Ｄ（ｎ）からなる、データ列Ｄｔ（ｋ）が生成される。
【００５９】
一方、カウンタ値ｎが基準値Ｎ以上である場合には（ステップＳ２０９：Ｙｅｓ）、ＣＰＵ２１は、ステップＳ２１０へ移行する。
【００６０】
ステップＳ２１０では、ＣＰＵ２１は、データ列Ｄｔ（ｋ）の基礎となる電力データ（ｔ，Ｐ（ｔ））がサンプリングされたときの居住者７０の状態が、外出中である確率Ｙ１％、調理中である確率Ｙ２％、就寝中である確率Ｙ３％をそれぞれ算出する。
【００６１】
図１２を参照するとわかるように、確率Ｙ１％，Ｙ２％，Ｙ３％は、学習処理Ｓ１を実行することによって生成されたベイジアンネットワークへ、データ列Ｄｔ（ｋ）を入力することによって得られる。
【００６２】
次のステップＳ２１１では、ＣＰＵ２１は、確率Ｙ１％，Ｙ２％，Ｙ３％と、図１４に示されるテーブルを用いて、電力データ（ｔ，Ｐ（ｔ））の変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％を算出する。具体的には、確率Ｙｒ％，Ｙｍ％はそれぞれ次の式（１）及び式（２）を用いて算出される。
【００６３】
Ｙｒ％＝３％・Ｙ１％＋７０％・Ｙ２％＋５％・Ｙ３％ …（１）
Ｙｍ％＝９７％・Ｙ１％＋３０％・Ｙ２％＋９５％・Ｙ３％ …（２）
【００６４】
例えば、居住者７０が外出中である確率Ｙ１％が８０％であり、調理中である確率Ｙ２％が１０％であり、就寝中である確率Ｙ３％が１０％である場合には、確率Ｙｒ％は、９．９％となり、確率Ｙｍ％は、９０．１％となる。
【００６５】
次のステップＳ２１２では、ＣＰＵ２１は、インタフェース部２６を介して、確率Ｙｒ％，Ｙｍ％に関する情報を、インターネット８０へ出力する。これにより、例えばパソコン等の通信端末を用いて、遠方から確率Ｙｒ％，Ｙｍ％に関する情報を取得することができる。
【００６６】
次のステップＳ２１３では、ＣＰＵ２１は、学習モードが選択されているか否かを確認する。学習モードが選択されていない場合には（ステップＳ２１３：Ｎｏ）、ＣＰＵ２１は、ステップＳ２０１へ戻り、以降、ステップＳ２１２での判断が肯定されるまで、ステップＳ２０１〜Ｓ２１２の処理を繰り返し実行する。一方、学習モードが選択されている場合には（ステップＳ２１３：Ｙｅｓ）、ＣＰＵ２１は、監視処理Ｓ２を終了する。
【００６７】
以上説明したように、本実施形態では、居住者の行為に起因する電力の変化を示す差分曲線ｆｎ（ｔ）が算出される。次に、この差分曲線ｆｎ（ｔ）に基づいて、データ列Ｄｔ（ｎ）が生成される。そして、データ列Ｄｔ（ｎ）を入力とするベイジアンネットワークから出力される確率Ｙ１％，Ｙ２％，Ｙ３％に基づいて、電力データ（ｔ，Ｐ（ｔ））の変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％が算出される。
【００６８】
差分曲線ｆｎ（ｔ）には、居住者の行為による消費電力の変化が、電気機器の自動運転による消費電力の変化に比較して大きく現れる。例えば図１５には、居住者７０が就寝しているときにサンプリングされた電力の推移を示す曲線Ｐ（ｔ）が示されている。この曲線において、ピークＰｅ１は、居住者７０の行為に起因するものであり、ピークＰｅ２，Ｐｅ３，Ｐｅ４は、電気機器の自動運転に起因するものである。このピークＰｅ１〜Ｐｅ４のレベルは、図１５ではほぼ等しい。しかしながら、図１６に示される差分曲線ｆｎ（ｔ）によって示されるピークＰｅ１は、ピークＰｅ２〜Ｐｅ４に比べてレベルが著しく高い。
【００６９】
したがって、本実施形態のように、差分曲線ｆｎ（ｔ）を用いて、確率Ｙｒ％と、確率Ｙｍ％を算出することで、精度良く当該確率Ｙｒ％、Ｙｍ％を算出することができる。ひいては、居住者７０の異常の有無を精度良く判断することが可能となる。
【００７０】
また、本実施形態では、二値のデータからなるデータ列Ｄｔ（ｋ）が、ベイジアンネットワークに入力されることによって、確率Ｙ１％，Ｙ２％，Ｙ３％が算出される。そして、当該確率Ｙ１％，Ｙ２％，Ｙ３％に基づいて、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％が算出される。このため、確率Ｙｒ％，Ｙｍ％の算出の際に取り扱うデータの量が少なくなり、装置の小型化を実現するとともに、迅速に確率Ｙｒ％，Ｙｍ％を算出することが可能となる。
【００７１】
以上、本発明の各実施形態について説明したが、本発明は上記各実施形態によって限定されるものではない。
【００７２】
例えば、上記実施形態では、監視装置１０が、コンピュータと同様に、ＣＰＵ２１，主記憶部２２，補助記憶部２３を含み、プログラム等のソフトウエアが補助記憶部２３に記憶されていることとした。これに限らず、監視装置１０は、例えば、図１７に示されるように、電力計測ユニット２８、入力部２４、表示部２５、移動平均線算出部１０ａ、差分算出部１０ｂ、差分曲線算出部１０ｃ，データ列生成部１０ｄ，第１算出部１０ｅ，第２算出部１０ｆ及び記憶部１０ｇを有していてもよい。
【００７３】
この場合、移動平均線算出部１０ａは、電力Ｐ（ｔ）についての移動平均線Ｐｎ（ｔ）を算出する。
【００７４】
差分算出部１０ｂは、図６に示されるように、移動平均線を規定するデータ（ｔｎ，Ｐｎ（ｔｎ））に基づく点を始点とし、対応する電力データ（ｔｎ，Ｐ（ｔｎ））に基づく点を終点とするベクトルＡｎを算出する。
【００７５】
差分曲線算出部１０ｃは、ベクトルＡｎに基づいて、差分曲線ｆｎ（ｔ）を算出する。
【００７６】
データ列生成部１０ｄは、差分曲線ｆｎ（ｔ）それぞれを二値化することにより、０と１の集合からなるデータ列Ｄｔ（ｎ）を生成する。
【００７７】
第１算出部１０ｅは、ベイジアンネットワークへ、データ列Ｄｔ（ｋ）を入力して、データ列Ｄｔ（ｋ）の基礎となる電力データ（ｔ，Ｐ（ｔ））がサンプリングされたときの居住者７０の状態が、外出中である確率Ｙ１％、調理中である確率Ｙ２％、就寝中である確率Ｙ３％を算出する。
【００７８】
第２算出部１０ｆは、確率Ｙ１％，Ｙ２％，Ｙ３％と、図１４に示されるテーブルを用いて、電力データ（ｔ，Ｐ（ｔ））の変化が、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％と、電気機器５１の自動運転に起因すると考えられる確率Ｙｍ％を算出する。そして、算出結果をインターネット８０へ出力する。
【００７９】
記憶部１０ｇは、電力計測ユニット２８、入力部２４から入力されるデータ、表示部２５に表示させるための画像情報、及び各部の処理結果を記憶する。
【００８０】
本実施形態では、居住者７０の状態が、外出中、調理中、就寝中の３つに区分される場合について説明したが、この区分は一例である。また、居住者７０の状態は、４つ以上に区分されていてもよい。
【００８１】
本実施形態では、算出結果をインターネット８０へ出力することとしたが、これに限らず、電気機器５１を居住者７０が操作したことに起因すると考えられる確率Ｙｒ％が、一定期間（例えば２，３日）継続した場合に、インターネットを介して外部に居住者７０の異常を通知するメール等を送信してもよい。また、住宅５０の外部に音や光を用いて、警報を発令してもよい。
【００８２】
本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施形態及び変形が可能とされるものである。また、上述した実施形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。つまり、本発明の範囲は、実施形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、本発明の範囲内とみなされる。
【産業上の利用可能性】
【００８３】
本発明の監視装置及び監視方法は、居住者の監視に適している。
【符号の説明】
【００８４】
１０ 監視装置
１０ａ 移動平均線算出部
１０ｂ 差分算出部
１０ｃ 差分曲線算出部
１０ｄ データ列生成部
１０ｅ 第１算出部
１０ｆ 第２算出部
１０ｇ 記憶部
２０ 監視装置
２１ ＣＰＵ
２２ 主記憶部
２３ 補助記憶部
２３ 順次補助記憶部
２４ 入力部
２５ 表示部
２６ インタフェース部
２７ システムバス
２８ 電力計測ユニット
３１，３２ 選択ボタン
３３〜３５ 入力ボタン
５０ 住宅
５１ 電気機器
６０ 線
７０ 居住者
８０ インターネット
Ａ ベクトル
Ｄ， Ｄｔ データ列
Ｆ 点
Ｆｎ 点
ＩＭ 画像
ＬＶ１〜ＬＶ６ レベル
Ｐｅ１〜Ｐｅ４ ピーク
ＴＢ テーブル
【特許請求の範囲】
【請求項１】
住宅に供給される電力を計測する電力計測手段と、
前記電力の計測結果を時系列的に記憶する記憶手段と、
前記記憶手段に記憶された前記電力の推移を示す推移曲線の移動平均線を算出する移動平均線算出手段と、
前記移動平均線上の点と、前記推移曲線上の点との差分を算出する差分算出手段と、
前記差分の時間的な推移を示す差分曲線を算出する差分曲線算出手段と、
前記差分曲線から二値のデータからなるデータ列を生成するデータ列生成手段と、
前記データ列が入力されたときに、前記電力が計測されたときの前記住宅に居住する居住者の状態が、所定の状態である確率を算出する第１算出手段と、
前記第１算出手段の算出結果に基づいて、前記電力の推移が、前記居住者の行為に起因する確率を算出する第２算出手段と、
を備える監視装置。
【請求項２】
前記第１算出手段はベイジアンネットワークである請求項１に記載の監視装置。
【請求項３】
前記居住者の状態を入力するためのインタフェースと、
前記データ列が生成されるごとに、前記インタフェースから入力された前記居住者の状態と、前記データ列を構成する要素とを関連付けることにより、前記ベイジアンネットワークを生成するベイジアンネットワーク生成手段と、
を備える請求項２に記載の監視装置。
【請求項４】
前記データ列を構成する要素は、
前記差分について規定されたレベルと、前記差分曲線との関係に基づいて値が決定される請求項１乃至３のいずれか一項に記載の監視装置。
【請求項５】
前記第２算出手段によって算出される確率が閾値以下の場合に、警報を発令する警報発令手段を備える請求項１乃至４のいずれか一項に記載の監視装置。
【請求項６】
住宅に供給される電力を計測する工程と、
前記電力の計測結果を時系列的に記憶する工程と、
前記電力の推移を示す推移曲線の移動平均線を算出する工程と、
前記移動平均線上の点と、前記推移曲線上の点との差分を算出する工程と、
前記差分の時間的な推移を示す差分曲線を算出する工程と、
前記差分曲線から二値のデータからなるデータ列を生成する工程と、
前記データ列が入力されたときに、前記電力が計測されたときの前記住宅に居住する居住者の状態が、所定の状態である確率を算出する工程と、
前記確率に基づいて、前記電力の推移が、前記居住者の行為に起因する確率を算出する工程と、
を含む監視方法。
【請求項１】
住宅に供給される電力を計測する電力計測手段と、
前記電力の計測結果を時系列的に記憶する記憶手段と、
前記記憶手段に記憶された前記電力の推移を示す推移曲線の移動平均線を算出する移動平均線算出手段と、
前記移動平均線上の点と、前記推移曲線上の点との差分を算出する差分算出手段と、
前記差分の時間的な推移を示す差分曲線を算出する差分曲線算出手段と、
前記差分曲線から二値のデータからなるデータ列を生成するデータ列生成手段と、
前記データ列が入力されたときに、前記電力が計測されたときの前記住宅に居住する居住者の状態が、所定の状態である確率を算出する第１算出手段と、
前記第１算出手段の算出結果に基づいて、前記電力の推移が、前記居住者の行為に起因する確率を算出する第２算出手段と、
を備える監視装置。
【請求項２】
前記第１算出手段はベイジアンネットワークである請求項１に記載の監視装置。
【請求項３】
前記居住者の状態を入力するためのインタフェースと、
前記データ列が生成されるごとに、前記インタフェースから入力された前記居住者の状態と、前記データ列を構成する要素とを関連付けることにより、前記ベイジアンネットワークを生成するベイジアンネットワーク生成手段と、
を備える請求項２に記載の監視装置。
【請求項４】
前記データ列を構成する要素は、
前記差分について規定されたレベルと、前記差分曲線との関係に基づいて値が決定される請求項１乃至３のいずれか一項に記載の監視装置。
【請求項５】
前記第２算出手段によって算出される確率が閾値以下の場合に、警報を発令する警報発令手段を備える請求項１乃至４のいずれか一項に記載の監視装置。
【請求項６】
住宅に供給される電力を計測する工程と、
前記電力の計測結果を時系列的に記憶する工程と、
前記電力の推移を示す推移曲線の移動平均線を算出する工程と、
前記移動平均線上の点と、前記推移曲線上の点との差分を算出する工程と、
前記差分の時間的な推移を示す差分曲線を算出する工程と、
前記差分曲線から二値のデータからなるデータ列を生成する工程と、
前記データ列が入力されたときに、前記電力が計測されたときの前記住宅に居住する居住者の状態が、所定の状態である確率を算出する工程と、
前記確率に基づいて、前記電力の推移が、前記居住者の行為に起因する確率を算出する工程と、
を含む監視方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【公開番号】特開２０１２−１５９８９６（Ｐ２０１２−１５９８９６Ａ）
【公開日】平成２４年８月２３日（２０１２．８．２３）
【国際特許分類】
【出願番号】特願２０１１−１７５１０（Ｐ２０１１−１７５１０）
【出願日】平成２３年１月３１日（２０１１．１．３１）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
【公開日】平成２４年８月２３日（２０１２．８．２３）
【国際特許分類】
【出願日】平成２３年１月３１日（２０１１．１．３１）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
[ Back to top ]