JP7045901B2 - 予測制御装置、予測制御システムおよび予測制御方法 - Google Patents

Description

本発明は、予測制御装置、予測制御システムおよび予測制御方法に関する。

各種の商品（書類を含む）の集配、配達等に際して、配送業者等が自宅に訪問することがあるほか、住人の各種状態（健康状態等を含む）を確認するためにも上記同様に、保護者等が自宅に訪問することがある。

訪問者等が予め住人や保護者との間で日時を指定して約束を交わしてから訪問することも可能であるが、急な訪問を余儀なくされることがある。後者の場合、住人が在宅していないとき（留守のとき）が前者のときと比べて圧倒的に多く、目的とする住人と接触が行えず、無駄足を踏むこととなる。

これは、訪問効率の低下を招き、本来必要な、訪問による処理（配送、状態確認等）が滞ることとなる。

このため、急な訪問を余儀なくされる場面においてより効率的に処理を行うために、在宅状況を予測して在宅傾向の高い時間帯に訪問できるようにした技術が開示されている。

特開２０１２－１８１７８９号公報 特開２０１７－６２７６５号公報 特開２００３－２８８４４２号公報

上記の特許文献１は、在宅確率を算出する技術であって、自動検針システムで検知される電力使用量の情報を用いて在宅状況を示す情報を算出するものであり、この在宅状況を示す情報に、各家庭の行動特性を加味して在宅確率を算出することについて開示されている。

また、特許文献２は、人物の在宅、不在の状況を高精度に予測することを可能としたものであって、ある第１の時刻における建物の電力データを取得して、この第１の時刻よりも過去の建物の電力データと人物が実際に建物にいたか否かを示す情報との対応関係から、第１の時刻に人物が建物にいるか否かを予測するものである。

このように、特許文献１や特許文献２では、電力に関する情報を用いて人物が在宅するかを予測することについて記載されている。

このほか、特許文献３は、訪問履歴データに基づいて在宅している可能性の高い在宅日時を算定して予測するものである。

このような先行技術では、特に、特許文献１や特許文献２では電力に関する情報を取得できない環境であれば在宅を予測するのは困難であり、また、特許文献３では過去の訪問履歴データが必要であって、必ず在宅状況を予測することができるものではなく、予測ができたとしてもその予測結果が精度の低いものとなってしまう。

本発明は、エネルギー情報の取得ができる施設はもちろんのこと、このエネルギー情報を取得できない施設であっても、より高い精度でその施設の在宅状況を予測することを可能とした予測制御装置、予測制御システムおよび予測制御方法を提供することを目的とする。

強いては、本発明によって、より最適な訪問予定や架電予定を立案することを可能とするものである。

上記目的を達成するため、本発明の請求項１に記載の予測制御装置は、訪問者による訪問対象の対象者に関する属性情報を記憶する属性情報記憶手段と、前記対象者が在宅可能な施設で消費されるエネルギー情報が計器によって計測され、該エネルギー情報を前記計器から取得する取得手段と、前記取得手段によって取得した前記エネルギー情報をもとに、該エネルギー情報を計測した時点における前記対象者の在宅状況を予測する第１の在宅状況予測手段と、前記第１の在宅状況予測手段によって予測された在宅状況と、該在宅状況の前記対象者に関する属性情報とをもとに該属性情報が対応付けられた他の対象者の在宅予測に用いる予測参照データを作成する作成手段と、前記施設の前記エネルギー情報を取得できないとき、前記対象者の在宅状況を、前記属性情報記憶手段で記憶する該対象者の属性情報をもとに前記予測参照データを参照して予測する第２の在宅状況予測手段とを具備することを特徴とする。

また、本発明の請求項２に記載の予測制御装置は、請求項１の発明に対して、前記対象者の施設への往訪履歴を記憶する往訪履歴記憶手段を更に具備し、前記往訪履歴には、前記対象者の施設への往訪の有無が記憶されている場合と該往訪の有無が記憶されていない場合とを含む、ことを特徴とする。

また、本発明の請求項３に記載の予測制御装置は、請求項２の発明に対して、前記第１の在宅状況予測手段は、前記対象者の前記エネルギー情報とともに、前記往訪履歴記憶手段で記憶している、該対象者の施設への往訪履歴を用いて、前記対象者の在宅状況を予測することを特徴とする。

また、本発明の請求項４に記載の予測制御装置は、請求項２の発明に対して、前記第２の在宅状況予測手段は、前記施設における前記エネルギー情報を取得できず、かつ、前記往訪履歴記憶手段で前記対象者の施設への往訪履歴に、往訪の有無が記憶されていない場合に、前記対象者の在宅状況を予測することに特徴を有する。

また、本発明の請求項５に記載の予測制御装置は、請求項１または請求項４の発明に対して、前記第１の在宅状況予測手段と前記第２の在宅状況予測手段の少なくとも一方によって前記在宅状況を予測した前記対象者の属性情報を元に、該属性情報を有する他の対象者の在宅状況を予測可能な予測参照データを生成する生成手段を更に具備し、前記第２の在宅状況予測手段は、前記訪問者が訪問する施設に対する対象者の属性情報をもとに、前記生成手段によって生成された前記予測参照データを用いて、該対象者の在宅状況を予測することを特徴とする。

また、本発明の請求項６に記載の予測制御システムは、訪問者による訪問対象の対象者に関する属性情報を記憶する属性情報記憶手段と、前記対象者の在宅状況を予測する在宅予測手段とを具備する予測制御装置と、前記訪問者が訪問する施設に設けられ、エネルギーを利用して動作するエネルギー利用機器と、前記エネルギー利用機器で消費されるエネルギー情報を計測する計測手段とを備え、前記在宅予測手段は、前記計測手段によって計測された前記エネルギー情報をもとに、該エネルギー情報を計測した時点における前記対象者の在宅状況を予測する第１の在宅状況予測手段を更に具備し、前記予測制御装置は、前記第１の在宅状況予測手段によって予測された在宅状況と、該在宅状況の前記対象者に関する属性情報とをもとに該属性情報が対応付けられた他の対象者の在宅予測に用いる予測参照データを作成する作成手段と、前記施設において前記エネルギー情報を計測できないとき、前記対象者の在宅状況を、前記属性情報記憶手段で記憶する該対象者の属性情報をもとに、前記予測参照データを参照して予測する第２の在宅予測手段とを更に具備することを特徴とする。

また、本発明の請求項７に記載の予測制御方法は、訪問者による訪問対象の対象者に関する属性情報を記憶媒体に記憶しておき、前記対象者が在宅可能な施設で消費されるエネルギー情報を予測制御装置が計測するステップ、計測された前記エネルギー情報をもとに、該エネルギー情報を計測した時点における前記対象者の在宅状況を予測制御装置が予測するステップ、予測された在宅状況と、該在宅状況の前記対象者に関する属性情報とをもとに該属性情報が対応付けられた他の対象者の在宅予測に用いる予測参照データを予測制御装置が作成するステップ、前記施設において前記エネルギー情報を計測できないとき、前記対象者の在宅状況を、該対象者の属性情報をもとに前記予測参照データを参照して予測制御装置が予測するステップ、とからなる。

本発明によれば、エネルギー情報の取得ができる施設はもちろんのこと、このエネルギー情報を取得できない施設であっても、より高い精度でその施設の在宅状況を予測することが可能になるという効果を奏する。

本発明の実施の形態における予測制御システムを示すシステム構成図。 本発明の実施の形態における予測制御システムが具備するユーザー管理データベースで記憶したユーザー情報を示す図。 本発明の実施の形態における予測制御システムが具備するエネルギーデータ管理データベースで記憶したエネルギー使用量データを示す図。 本発明の実施の形態における予測制御システムが具備する往訪履歴管理データベースで記憶した往訪履歴情報を示す図。 本発明の実施の形態における予測制御装置によって行われる予測制御処理を模式化した模式図。 本発明の実施の形態における予測制御装置によって行われる予測制御処理に用いられる予測参照データを示す図。 本発明の実施の形態における予測制御装置によって行われる予測制御処理の流れを示すフローチャート。

以下、本発明に係わる予測制御装置、予測制御システムおよび予測制御方法の一実施例を添付図面を参照して詳細に説明する。

図１は、本発明の実施の形態における予測制御システムを示すシステム構成図である。

図１において、予測制御システムは、予測制御装置１００、情報管理サーバ２００、情報通信制御装置３００、通信機能付き計器４００（以下、「計器４００」と称する）、宅内システム５００によって構成されている。この宅内システム５００は、建物、施設等に設けられたシステム全般を示すものであり、また、計器４００は、宅内システム５００に対応して設けられ、エネルギー情報（エネルギーに関する情報）の計測を行う機器を示すものである。

また、宅内システム５００は、個人宅（一軒家（「戸建」とも称する）、集合住宅（「集合」とも称する）を含む）、各店舗等の商業施設、ビルディングなどに代表される屋内、屋外を問わずに設けられた、人間が在宅可能な施設（以下、簡略的に「建物」、「宅内」、「自宅」、「訪問先」とも称する）のシステムを示すものである。より詳細には、この宅内システム５００は、ホームエネルギー管理装置５０１、各種のエネルギー利用機器５０２を具備する。このホームエネルギー管理装置５０１は、ＨＥＭＳ（Home Energy Management System）とも称され、エネルギー利用機器５０２と直接的、間接的を問わず、接続されており、エネルギー利用機器５０２から得られる情報を管理、監視する制御装置であって、ホームエネルギー管理装置５０１との間で相互通信が可能である。このホームエネルギー管理装置５０１は、必須の構成要件ではなく、必要に応じて設けることが可能な装置である。

エネルギー利用機器５０２は、施設にいる住人や管理者等によって利用可能な機器であって、ホームエネルギー管理装置５０１との通信が可能な機器全般を示す。このエネルギー利用機器５０２は、各種のネットワーク通信を行うデバイス（ＰＣ、携帯電話等）や表示ディスプレイは勿論のこと、エネルギー利用機器５０２を動作させるために必要な力である電気エネルギーを用いて動作するデバイス（電気機器）である、電化製品（テレビ、エアコン、冷蔵庫、電話機等）、電気設備（太陽光発電システム、二次電池、電気自動車等）などが該当する。もちろん、この電気エネルギーとともに、ガス、石油（ガソリン、灯油）などのエネルギーを補足的に用いることも可能である。詳細については後述する。このことから、エネルギー利用機器５０２を動作させるために必要な力である電気エネルギーを「主エネルギー（メインエネルギー、第１エネルギー）」と称し、また、この「主エネルギー」とともに補足的に用いる、ガスや石油などのエネルギーを「副エネルギー（サブエネルギー、第２エネルギー）」とも称することがある。また、「主エネルギー（第１エネルギー）」、「副エネルギー（第２エネルギー）」それぞれを、または総称して、「エネルギー（使用量、動作量、仕事量）」とも称する。
が該当する。

また、ホームエネルギー管理装置５０１では、エネルギー利用機器５０２で使用（消費）されるエネルギー使用量のほか、通信状況を管理することも可能である。このときの使用されるエネルギーに関する情報や通信状況に関する情報（これらの情報を総称して、「エネルギー情報」と称することもある）を表示ディスプレイに表示することとしてもよい。もちろん、ホームエネルギー管理装置５０１自体で必要なエネルギー情報を含めて表示ディスプレイに表示することも可能である。

以上のことから、ホームエネルギー管理装置５０１、各種のエネルギー利用機器５０２を具備する宅内システム５００は、訪問者が訪問可能な訪問先に設けられており、上記のエネルギー情報を一括管理することができるシステムである。また、訪問者は、訪問先である施設に居住している住人や管理者を対象として訪問することから、この住人や管理者を、「訪問対象者」、「対象者」または「ユーザー（エネルギー使用ユーザー）」とも称する。

続いて、計器４００は、エネルギー使用量を計測（計量）する計量部、通信を行う通信部等によって構成されており、通信部を介してホームエネルギー管理装置５０１からエネルギー情報を受信すること（ホームエネルギー管理装置５０１が能動的にデータを送信すること、計器４００からの要求に対してホームエネルギー管理装置５０１がデータを送信することのいずれをも含む）によって、つまり、エネルギー情報を計測した時点で計量部が「エネルギー使用量」を計測する装置である。この通信部は、継続したエネルギー使用量に関するエネルギー情報を所定のタイミングで（即時、若しくは、所定の時間（例えば、３０分）を経過後に）、情報通信制御装置３００に対して送信する。このエネルギー情報は、後述する、最も優先度の高い在宅判定条件に用いられるデータであることから、「在宅状況の予測に用いられる信憑性の高いデータ」とも称される。なお、上記に示すように、ホームエネルギー管理装置５０１は必須の構成要件ではないため、このホームエネルギー管理装置５０１が設けられていない場合、計器４００では、エネルギー利用機器５０２から直接、エネルギー情報を受信することとなる。

このときの計器４００と情報通信制御装置３００との間は有線、無線のいずれかによって接続されており、特に、電柱等に設置された中継装置（コンセントレーター等）を経由して特定周波数帯（例えば、９２０ＭＨｚ帯）の電波を用いた相互通信が可能である。

なお、計器４００は、主に、電気エネルギーの電気使用量を計測する電気計器を示している。また、この電気エネルギーである主エネルギーとは別に、後述する予測制御装置１００によって行われる在宅判定に際して補足的に副エネルギーを用いる場合、その副エネルギーの種類ごとにその副エネルギーを計測可能な計器を設けることが可能である。

情報通信制御装置３００は、各計器４００とループ型トポロジーで接続されており、各計器４００からエネルギー使用量に関する情報を受信することによって、予測制御装置１００または情報管理サーバ２００との間で相互通信（情報伝送、情報送受信）を行う。この情報通信制御装置３００によって、予測制御装置１００または情報管理サーバ２００が、計器４００との間の通信方式（計器４００単体、グリッド構成）を問わずに通信が可能となる。

そして、情報管理サーバ２００は、情報通信制御装置３００を介して計器４００から受信した各施設における、所定時間（例えば、１５分、３０分、１時間）あたりのエネルギー使用量を収集（集計、検針）して管理する装置である。また、この情報管理サーバ２００は、そのエネルギー使用量に対する費用を算出する処理を行うことも可能である。

この情報管理サーバ２００には、ユーザー管理データベース２０１（顧客ＤＢ）、エネルギーデータ管理データベース２０２（収集データＤＢ）等の記憶媒体が少なくとも接続されているほか、後述する往訪履歴管理データベース２０３（往訪履歴ＤＢ）の記憶媒体をも接続可能である。ユーザー管理データベース２０１では、エネルギーを使用している訪問対象者（ユーザー）に関する情報（以下、「ユーザー情報」と称する）（例えば、識別情報、氏名、住所、家族構成、エネルギー契約内容等）を記憶しており、また、エネルギーデータ管理データベース２０２では、計器４００から受信した各施設におけるエネルギー使用量のデータを時系列にユーザーに対応付けて記憶している。

このときユーザー管理データベース２０１で記憶するユーザー情報（顧客情報）の一例を図２に示し、また、エネルギーデータ管理データベース２０２で記憶するエネルギー使用量データの一例を図３に示しており、後述する。

情報管理サーバ２００では、各施設におけるエネルギー使用量を管理している状態で、後述する予測制御装置１００からユーザーに対するエネルギー使用量に関する情報の送信要求を受信すると、そのユーザーのユーザーＩＤがユーザー管理データベース２０１に登録されており、エネルギーデータ管理データベース２０２でそのユーザーに対するエネルギー使用量を管理していれば、予測制御装置１００に対してそのエネルギー使用量を応答する。

また、ユーザーＩＤがユーザー管理データベース２０１に登録されていなければ、情報管理サーバ２００は、予測制御装置１００に対してその旨を応答する。さらに、ユーザーＩＤがユーザー管理データベース２０１に登録されているものの、エネルギーデータ管理データベース２０２でそのユーザーに対するエネルギー使用量を管理していなければ、情報管理サーバ２００は、予測制御装置１００に対してユーザー管理データベース２０１に登録されているユーザー属性情報を送信する。

予測制御装置１００は、ユーザー管理データベース２０１に登録されている全てのユーザーに対して予測制御処理を行うことで在宅状況を予測することが可能な装置である。具体的には、予測制御装置１００は、所定の日時ごと、時間帯ごとの在宅有無（「１００％」若しくは「０％」）を判定する処理、若しくは在宅確率を算出する処理（不在確率を算出する処理であってもよい）を行って在宅状況を予測可能である（以下では、単に「在宅判定」や「在宅予測」とも称する）。つまり、在宅状況は、在宅有無および／または在宅確率によって表され、予測制御装置１００は、ユーザーごとに在宅状況を集計した、在宅予測結果である「在宅状況リスト」を生成する。

この予測制御装置１００には、往訪履歴管理データベース２０３（往訪履歴ＤＢ）が少なくとも接続されているほか、ユーザー管理データベース２０１（顧客ＤＢ）、エネルギーデータ管理データベース２０２（収集データＤＢ）も接続可能である。この往訪履歴管理データベース２０３では、ユーザーを識別するユーザー識別情報（ユーザーＩＤ）ごとに往訪した日時、その往訪による結果（在宅、不在）を管理しており、詳細を図４に示している。

予測制御装置１００は、情報管理サーバ２００から受信したエネルギー使用量データやユーザー属性情報を用いて予測制御処理を行うことができるほか、往訪履歴管理データベース２０３においてユーザーに対して過去の往訪履歴や架電履歴が登録されていれば、これらの履歴情報を用いて予測制御処理を行うことも可能である。

また、ユーザー属性情報を用いた予測制御処理にあたり、予測制御装置１００では、事前に、予測制御処理における在宅予測結果をもとに、ユーザー属性情報の項目の組合せに対する在宅状況からなる予測参照データを作成（集計）する処理を行うことが可能である。予測制御装置１００では、この予測参照データと、情報管理サーバ２００から取得したユーザー属性情報とを用いて、そのユーザー属性情報を有するユーザーの在宅状況を予測することが可能である。

このときのエネルギー使用量データの一例を図３に示しており、図４には、過去の往訪履歴を示し、図６には、予測参照データを示している。

この予測制御装置１００には、ＰＣやモバイルなどの端末を直接的に若しくはネットワーク網を介して間接的に接続することが可能であって、その端末から在宅予測要求（インプット）を受信することが可能である。このときの端末は、「在宅予測要求元」とも称され、予測制御装置１００によって行われる予測制御処理に係る在宅予測結果（アウトプット）である「在宅状況リスト」を参照可能である。もちろん、この在宅予測結果を「在宅予測要求元」とは異なる他のデバイス、所定の媒体（紙媒体、記憶媒体等）に出力することも可能である。

予測制御装置１００によって行われる予測制御処理は、在宅予測の精度が高い在宅判定条件を優先的に用いることで高い精度の在宅予測を行うことを可能とするとともに、各ユーザーに応じた在宅判定条件を用いることによって指定されたユーザー若しくは全てのユーザーの在宅予測を可能としたものである。

具体的には、最も優先度の高い在宅判定条件（優先度：高）（「第１優先在宅判定条件」とも称する）として、「所定時間あたりのエネルギー使用量」と、「在宅判断エネルギー使用量（同月内などの期間内の最小値に予め統計的に算出される誤差量を加算（＋α）した使用量）」とを用いて在宅予測を行うものがある。

この在宅判定条件（優先度：高）を用いた在宅予測においては、「所定時間あたりのエネルギー使用量」が、「在宅判断エネルギー使用量」よりも大きければ、その所定時間に在宅している可能性が高いと判定し、その一方で、「在宅判断エネルギー使用量」以下であれば、その所定時間に在宅している可能性が低い（つまり、不在である可能性が高い）と判定する。「所定時間あたりのエネルギー使用量」と、「在宅判断エネルギー使用量」との乖離量によって在宅確率を算出してもよい。乖離量が大きければ大きいほど、在宅確率が高く、乖離量が小さければ小さいほど、在宅確率が低くなる。

上記例では、所定時間を「１５分」、「３０分」、「１時間」などとしているため、高粒度のエネルギー使用量のデータを用いて在宅予測を行うことが可能となる。つまり、「１５分」、「３０分」、「１時間」などの所定時間毎にその時点での在宅予測が可能となる。

なお、この在宅判定条件（優先度：高）で用いられる「在宅判断エネルギー使用量」における最小値とは、例えば、冷蔵庫などの常時稼働している電気機器によって消費される待機電力などを示し、また、誤差量とは、常時稼働するために必要な動作に伴う追加電力（許容される変動に係る電力）を示すものである。

続いて、次に優先度の高い在宅判定条件（優先度：中）（「第２優先在宅判定条件」とも称する）として、ユーザー毎の「過去の往訪履歴や架電履歴」を用いて在宅予測を行うものがある。この在宅判定条件（優先度：中）は、上記に示す最も優先度の高い在宅判定条件で用いるエネルギー使用量を各施設から取得できない場合などに行われる在宅予測に際して用いられる条件である。

この在宅判定条件（優先度：中）を用いた在宅予測においては、過去の往訪履歴から往訪した時間、その時間の往訪結果等を参照して、その往訪した時間の前後数分などの所定時間帯における在宅または不在を判定する（架電履歴についても同様）。

そして、最も優先度の低い在宅判定条件（優先度：低）（「第３優先在宅判定条件」とも称する）として、ユーザー属性情報を用いて在宅予測を行うものがある。この在宅判定条件（優先度：低）は、上記に示す在宅判定条件（優先度：高）で用いるエネルギー使用量を各施設から取得できない場合、および、在宅判定条件（優先度：中）で用いる過去の往訪履歴や架電履歴等がない場合に行う在宅予測である。

この在宅判定条件（優先度：低）は、在宅予測を行うユーザーのエネルギー使用量や施設への往訪履歴等を用いずに、在宅予測を行うユーザーに類する（共通点を持つ）他のユーザーの属性情報をもとに、そのユーザーの在宅予測を行うために用いられる条件である。

つまり、在宅判定条件（優先度：低）を用いる場合、ユーザーの属性情報の項目の組合せごとに在宅予測を行った「ユーザー属性に基づく予測参照データ」を作成（集計）して記憶しておき（図６参照）、この予測参照データと、対象ユーザーのユーザー属性情報の少なくとも一部とを用いて在宅予測を行う。

このように、予測制御装置１００において行われる予測制御処理は、ユーザーに応じた在宅判定条件を用いることによって全ユーザーの在宅予測を可能としたものであるが、これら在宅判定条件を複数用いることによって、総合的に在宅予測を行うことも可能である。例えば、在宅判定条件（優先度：高）と、在宅判定条件（優先度：中）とを用いて予測制御処理を行うことが可能であり、また、在宅判定条件（優先度：中）と、在宅判定条件（優先度：低）とを用いて予測制御処理を行うことも可能である。

なお、複数の在宅判定条件を用いて判定した結果において、例えば、在宅判定条件（優先度：高）で判定した在宅予測結果と、この在宅判定条件（優先度：高）に在宅判定条件（優先度：中）を加味して判定した在宅予測結果とが、異なる場合、在宅判定条件（優先度：高）での判定基準、具体的には、「在宅判断エネルギー使用量」を見直す（更新する）処理を行ってもよい。これによって、在宅判定条件（優先度：高）のみを適用した在宅予測であっても、より高い精度の在宅予測を行うことが可能となる。

具体的に説明する。例えば、在宅判定条件（優先度：高）を用いた在宅予測の結果、「不在」であると判定（仮判定）された時間帯に、在宅判定条件（優先度：中）の「過去の往訪履歴や架電履歴」によって在宅であるとの結果があれば、在宅判定条件（優先度：高）を用いた在宅予測に用いられるパラメータである「在宅判断エネルギー使用量」を、その往訪結果を被説明変数、所定時間（３０分等）ごとの電力量を説明変数として、機械学習によって更新することも可能である。結果として、在宅判定条件（優先度：高）を用いた在宅予測の判定ロジックが更新（見直し）されることとなる。

上記に示す予測制御装置１００における在宅判定では、主エネルギーである電気エネルギーを用いた例を示しているが、この主エネルギーに加えて、副エネルギーを用いて在宅判定の処理を行ってもよい。この場合、予測制御装置１００は、副エネルギーの使用量を、主エネルギー（電気エネルギー）の使用量を用いた在宅判定の判定結果を補正する一変数として用いることも可能であるほか、主エネルギー（電気エネルギー）の使用量に、副エネルギーの使用量を加味して在宅判定することも可能である。

このように、複数種類の異なるエネルギーを用いることで予測制御装置１００による在宅判定の判定結果の精度を高めることが可能となる。

この予測制御装置１００は、上記のような在宅予測の機能に加えて、在宅予測処理の予測結果から得られる、各施設への訪問可能な情報をもとに、訪問順序を定めた訪問ルートを作成することによる訪問巡回計画を策定する機能（訪問巡回計画策定機能）をも有する。この訪問巡回計画は、在宅予測処理の予測結果のほか、地図データ（距離、時間を算出するためのデータ）、訪問可能な人員に関するデータ（人数、スキル等）、訪問内容（訪問により必要な時間等）を用いて立案する処理である。

この立案処理によって、訪問巡回計画が直接的なアウトプット（成果物、出力物）となる一方で、在宅予測処理における各施設の在宅予測結果そのものについては間接的な出力となり、在宅予測結果などの秘匿性の高い情報の機密性を高めることが可能となる。

この訪問巡回計画を用いて、施設に訪問すれば、訪問者は、より高い確率で対象者の在宅中に訪問することが可能となり、再訪問する可能性が低下することで効率的な訪問が可能となる。

なお、上記の説明および図１では、予測制御装置１００、情報管理サーバ２００を別々の装置によって構成した例を示しているが、これらを単一の装置で実現してもよい。また、ユーザー管理データベース２０１（顧客ＤＢ）、エネルギーデータ管理データベース２０２（収集データＤＢ）、往訪履歴管理データベース２０３（往訪履歴ＤＢ）を予測制御装置１００の記憶媒体に記憶するような構成であってもよい。つまり、図１に示す点線部分を単一の予測制御装置１００としてもよい。この単一の装置で行われる予測制御処理のプログラムを、装置内の記憶媒体（図示せず）において記憶し、演算部（ＣＰＵ）等で実行することも可能である。

図２は、本発明の実施の形態における予測制御システムが具備するユーザー管理データベースで記憶したユーザー情報を示す図である。

図２（ａ）および図２（ｂ）に示すユーザー情報は、ユーザーを識別するユーザー識別情報（ユーザーＩＤ）と、そのユーザーに関する属性情報とからなり、便宜的に図２（ａ）と図２（ｂ）にわけて記載したものであって、正規化した単一の情報によって構成してもよい。図２（ａ）では、ユーザーＩＤに対して、「氏名」、「住所」、「家族構成」、「契約エネルギープラン」の各属性項目を対応付けて記憶したものである。なお、「契約エネルギープラン」は、ユーザーが使用するエネルギー契約に対して提供するサービスプランである。図２（ａ）に示す例として、ユーザーＩＤが「ユーザー００１」であるユーザーは、属性項目の「氏名」に対して属性情報として「○○太郎」が示されており、属性項目の「住所」に対して属性情報として「東京都」が示されており、属性項目の「家族構成」に対して属性情報として「単身（男）」が示されており、属性項目の「契約エネルギープラン」に対して属性項目として「プランＡ」が示されている。

続いて、図２（ｂ）では、ユーザーＩＤに対して、「建物用途」、「築年数」、「所有機器」の各属性項目を対応付けている。なお、「所有機器」は、提供するエネルギーの種類に応じたエネルギー提供機器を示すものであって、提供するエネルギーが「ガス」である場合、「ガス給湯器」が示されており、提供するエネルギーが「電気」である場合、「電気給湯器」が示されている。

図２（ｂ）に示す例では、ユーザーＩＤが「ユーザー００１」であるユーザーは、属性項目の「建物用途」に対して属性情報として「戸建」が示されており、属性項目の「築年数」に対して属性情報として「３０年以上」が示されており、属性項目の「所有機器」に対して属性情報として「ガス給湯器」が示されている。

図３は、本発明の実施の形態における予測制御システムが具備するエネルギーデータ管理データベースで記憶したエネルギー使用量データを示す図である。

図３に示すエネルギー使用量データは、各ユーザーに対して「所定時間あたりのエネルギー使用量」を対応付けたものである。図３では、各日付とも、所定時間として「３０分」ごとに使用したエネルギー使用量を計測した例を示している。図３に示す例では、ユーザーＩＤが「ユーザー００１」のユーザーに対して、「２０１７年５月１３日」の「１１：００」、「１１：３０」、「１２：００」に計測したエネルギー使用量がそれぞれ、「５」、「５」、「４」であると示し、また、同ユーザーに対して、翌日の「２０１７年５月１４日」の同時間である「１１：００」、「１１：３０」、「１２：００」に計測したエネルギー使用量がそれぞれ、「６」、「７」、「７」であると示している。

つまり、図３に示すような、短い所定時間間隔でのエネルギー使用量データによって、ユーザーのいる施設におけるエネルギー使用状況を高粒度で把握することが可能である。

なお、図３では、電気、ガス、石油（ガソリン、灯油）などのうちのいずれかのエネルギーのエネルギー使用量を示したものであるが、エネルギーごと（電気、ガス、石油（ガソリン、灯油）それぞれ）の使用量を個別に管理することとしてもよい。

図４は、本発明の実施の形態における予測制御システムが具備する往訪履歴管理データベースで記憶した往訪履歴情報を示す図である。

図４の往訪履歴情報は、ユーザーのユーザーＩＤに対して、「往訪日時」と「往訪結果」の各項目を対応付けたものである。この図４には、例えば、ユーザーＩＤが「ユーザー００２」であるユーザーがいる施設に、「２０１７年４月１０日 １２：０５」の往訪日時に往訪したこと、および、この往訪日時の往訪結果として「不在」であったことを示している。つまり、対象者の施設への往訪履歴に往訪の有無が記憶されている場合に該当することとなる。なお、ユーザーＩＤが「ユーザー００３」であるユーザーのいる施設への往訪履歴には、往訪の有無が記憶されていない状態である。つまり、対象者の施設への往訪履歴に往訪の有無が記憶されていない場合に該当することとなる。

図５は、本発明の実施の形態における予測制御装置によって行われる予測制御処理を模式化した模式図である。

図５において、図５（ａ）は、図３に示す「所定時間あたりのエネルギー使用量」データの一部を切り出したテーブルを示すものであって、一例として、ユーザーＩＤが「ユーザー００１」と「ユーザー００２」である２ユーザー（２者）のエネルギー使用量を示すものである。この図５（ａ）においては、計器４００において、「２０１７／０５／１３」の「１１：００」、「１１：３０」、「１２：００」に計測した「ユーザー００１」のエネルギー使用量が「５」、「５」、「４」であって、「ユーザー００２」のエネルギー使用量が「４」、「３」、「３」であることが示されている。また、翌日の「２０１７／０５／１４」の同時間である「１１：００」、「１１：３０」、「１２：００」に計測した「ユーザー００１」のエネルギー使用量が「６」、「７」、「７」であって、「ユーザー００２」のエネルギー使用量が「１」、「１」、「５」であることが示されている。もちろん、図５（ａ）のテーブルには、計器４００によって「エネルギー使用量」を計測することができないユーザーは含まれない。

図５（ｂ）は、図５（ａ）に示す「所定時間あたりのエネルギー使用量」と、「在宅判断エネルギー使用量」とを比較して、在宅であると判断する場合に「１」を設定し、また、不在であると判断する場合に「０（ゼロ）」を設定した状態の在宅予測結果（第１在宅予測結果）からなるテーブルを示している。この例では、「在宅判断エネルギー使用量」を「２．５（最小値が「２」であり、誤差量が「０．５」である場合の合計値）」とした場合の在宅予測結果を示している。

図５（ｃ）は、図５（ｂ）に示す、「所定時間あたりのエネルギー使用量」と、「在宅判断エネルギー使用量」との比較に基づく在宅予測結果に対して、往訪履歴を加味（アンサンブル）した在宅予測結果（第２在宅予測結果）を示すテーブルである。

この図５（ｃ）では、図５（ｂ）に示す第１在宅予測結果に対して、「ユーザー００２」の「２０１７／０５／１４ １２：００」における在宅予測結果を「１（在宅）」から「０（不在）」と更新（変更）している。これは、例えば、図４の「ユーザー００２」の往訪履歴情報として、「２０１７／４／１０」の「１２：０５」に「不在」と示されていることから、この時間帯における「所定時間あたりのエネルギー使用量」と過去の往訪履歴とを加味（アンサンブル）して、「不在」である可能性が高いと判断して更新（変更）したものである。もちろん、「所定時間あたりのエネルギー使用量」と過去の往訪履歴とにそれぞれ所定の加重をかけて判断してもよい。

これら図５（ｂ）、図５（ｃ）は、予測制御処理における、所定の日時ごと、時間帯ごとの在宅有無（「１００％」若しくは「０％」）による在宅予測結果を示したものである。よって、この図５（ｂ）や図５（ｃ）に示すような在宅予測結果を「在宅状況リスト」として出力してもよい。

続いて、図５（ｄ）は、在宅確率によって在宅予測結果を示したものである。

図５（ｄ）において、図５（ｄ－１）は、所定時間あたり（３０分あたり）の在宅確率を示したものであり、また、図５（ｄ－２）は、３つの時間帯（夜間、午前、午後）にわけてそれぞれの時間帯の在宅確率を示したものである。

この図５（ｄ－１）および図５（ｄ－２）は、図５（ｂ）の「第１在宅予測結果」、または、図５（ｃ）の「第２在宅予測結果」の一方若しくは両方と、図４の往訪履歴情報とを統計的に処理することで、在宅確率による在宅予測結果を示したものである。例えば、往訪履歴の総回数に対する在宅回数や不在回数に、在宅予測結果に基づく所定値を適用することで算出することが可能である。

図６は、本発明の実施の形態における予測制御装置によって行われる予測制御処理に用いられる予測参照データを示す図である。

図６には、ユーザー属性情報の項目の組合せに対して、各時間帯（３０分単位）の在宅確率を示した予測参照データを示している。図６に示す予測参照データのユーザー属性情報の項目として、「建物用途」、「築年数」が示されており、この項目における値（在宅確率）をユーザー属性情報にもつユーザーの施設の在宅予測に用いることとなる。

このとき、どのような組合せをとるか、つまり、どのような属性情報で分類してパターン化するかは、業務上、必要な分類形態に応じて定義することが可能であるほか、各属性情報の相関関係、相関分布などによる統計的な方法によって探索して定義することが可能である。

この図６によって、ユーザー属性情報をもとに時間帯毎のユーザーの在宅予測が可能となっていることから、ユーザーのいる施設のエネルギー使用量（第１優先在宅判定条件に用いられるデータ）や往訪履歴（第２優先在宅判定条件に用いられるデータ）等が予め所定のデータベースに登録されていなくても、この予測参照データをもとに、ユーザー管理データベース２０１にユーザー属性情報が登録されている全てのユーザーに対して在宅予測が可能となる。

図７は、本発明の実施の形態における予測制御装置によって行われる予測制御処理の流れを示すフローチャートである。

図７において、予測制御装置１００は、所定の端末（ＰＣ、モバイル）から若しくは自予測制御装置１００に接続された入力装置（キーボードやマウス等）等の「在宅予測要求元」から在宅予測要求を受信することによって処理が開始される。この在宅予測要求には、在宅予測を行う「在宅予測条件」として、在宅予測を行うユーザーを指定する情報が含まれている。例えば、登録されているユーザー全ての在宅予測を行うこと、若しくは指定された１または複数のユーザーの在宅予測を行うことが指定されている。

この在宅予測要求を受信すると、予測制御装置１００は、「在宅予測条件」に含まれるユーザーに関するユーザー情報を抽出する（Ｓ７０１）。このときのユーザー情報とは、ユーザーを識別するユーザーＩＤおよびユーザー属性情報を含むものである。

続いて、予測制御装置１００は、このユーザー情報における「１のユーザー」に対する、「第１優先在宅判定条件」のデータを記憶しているか否かを判断する（Ｓ７０２）。この「第１優先在宅判定条件」は、上記に示すように、「所定時間あたりのエネルギー使用量」をもとに在宅予測を行うための条件であることから、「第１優先在宅判定条件」のデータとは、「１のユーザー」のいる施設から受信したエネルギー使用量を示す。よって、ステップ７０２の処理は、「１のユーザー」に対してエネルギー使用量を記憶しているか否かを判断する処理である。

この判断処理によって、エネルギー使用量を記憶していることによって「第１優先在宅判定条件」のデータを記憶していると判断する場合（Ｓ７０２でＹＥＳ）、予測制御装置１００は、この「第１優先在宅判定条件」に基づいて、各時間帯での在宅・不在の判定処理を行う（Ｓ７０３）。この判定処理は、「１のユーザー」の「所定時間あたりのエネルギー使用量」と、「在宅判断エネルギー使用量」とを用いて「在宅」であったか「不在」であったかを判定する。なお、「第１優先在宅判定条件」のデータを記憶していると判断しない場合（Ｓ７０２でＮＯ）には後述するステップ７０５へと移行する。

そして、予測制御装置１００は、この「第１優先在宅判定条件」に基づく各時間帯での在宅・不在の判定処理により第１在宅予測結果を作成する（Ｓ７０４）。この第１在宅予測結果には、図５（ｂ）に示すように、例えば、「所定時間あたりのエネルギー使用量」と、「在宅判断エネルギー使用量」との大小関係による結果が示されている。

続いて、予測制御装置１００は、「１のユーザー」に対する、「第２優先在宅判定条件」のデータを記憶しているか否かを判断する（Ｓ７０５）。この「第２優先在宅判定条件」は、上記に示すように、「１のユーザー」に対する過去の往訪履歴や架電履歴をもとに在宅予測を行うための条件であることから、「第２優先在宅判定条件」のデータとは、往訪履歴や架電履歴を示す。よって、ステップ７０５の処理は、「１のユーザー」に対して往訪履歴や架電履歴を記憶しているか否かを判断する処理である。

この判断処理によって、過去の往訪履歴や架電履歴のデータを記憶していることで「第２優先在宅判定条件」のデータを記憶していると判断する場合（Ｓ７０５でＹＥＳ）、予測制御装置１００は、この「第２優先在宅判定条件」に基づいて、各時間帯での在宅・不在の判定処理を行う（Ｓ７０６）。この判定処理では、「１のユーザー」の過去の往訪履歴や架電履歴等を用いて時間帯ごとに「在宅」であったか「不在」であったかを判定する。

続いて、予測制御装置１００は、この「第２優先在宅判定条件」に基づく各時間帯での在宅・不在の判定処理により第２在宅予測結果を作成する（Ｓ７０７）。この第２在宅予測結果には、過去の往訪履歴や架電履歴等の「在宅」であったか「不在」であったかの情報が示されているほか、ステップ７０４の処理によって第１在宅予測結果が作成されている場合には、この第１在宅予測結果に、過去の往訪履歴や架電履歴等の「在宅」であったか「不在」であったかの情報を加味して（アンサンブルして）示している。

そして、予測制御装置１００は、第１在宅予測結果、第２在宅予測結果の少なくとも一方の結果をもとに、ユーザーの在宅確率を算出する（Ｓ７０８）。ステップ７０２の処理において、「第１優先在宅判定条件」のデータを記憶していると判断する場合、ステップ７０４の処理で作成した「第１在宅予測結果」と、ステップ７０７の処理で作成した「第２在宅予測結果」とを用いてユーザーの在宅確率を算出する。また、ステップ７０２の処理において、「第１優先在宅判定条件」のデータを記憶していると判断しない場合、「第１在宅予測結果」を作成していないことから、ステップ７０７の処理で作成した「第２在宅予測結果」を用いてユーザーの在宅確率を算出する。

このようにしてステップ７０８の処理によってユーザーの在宅確率が算出された後、続いて、予測制御装置１００は、ステップ７０２の処理において、「第１優先在宅判定条件」のデータを記憶していると判断されていない場合（Ｓ７０２でＮＯ）に、「第３優先在宅判定条件」のデータである、「１のユーザー」のユーザー属性情報を読み出す（Ｓ７１０）。

この「第３優先在宅判定条件」は、ユーザー属性情報を用いて在宅予測を行うものための条件であるから、「第３優先在宅判定条件」のデータとは、ユーザー属性情報を示す。

そして、予測制御装置１００は、そのユーザー属性情報をもとに、図６に示すような予測参照データからユーザーの在宅確率を特定する（Ｓ７１１）。この特定処理は、図６に示すように予測参照データとして、在宅確率が示されていることから、いずれかの在宅確率をその「１のユーザー」の在宅確率として特定する処理である。

そして、予測制御装置１００は、「１のユーザー」のユーザー属性情報と、「第３優先在宅判定条件」のデータに基づき、各時間帯での在宅確率を示す第３在宅予測結果を作成する（Ｓ７１２）。この作成処理は、第１在宅予測結果が作成されていない場合には、ステップ７０７の処理によって第２在宅予測結果が作成されているか否かに問わず、必ず行われる処理である。つまり、最も優先度の高い在宅判定条件（第１優先在宅判定条件）に基づいて、第１在宅予測結果が作成されていなければ、予測制御装置１００は、ユーザーの属性情報に基づく在宅予測を行うことを示したものである。

また、ステップ７０８の処理によってユーザーの在宅確率が算出された後、ステップ７０２の処理によって「第１優先在宅判定条件」のデータを記憶していると判断されている場合（Ｓ７０２でＹＥＳ）、つまり、「第１優先在宅判定条件」のデータに基づいて「第１在宅予測結果」が作成されており、かつ、「第２優先在宅判定条件」のデータに基づいて「第２在宅予測結果」が作成されている場合、予測制御装置１００は、後述するステップ７１３における処理を行う。

また一方で、ステップ７０５における処理によって、「第２優先在宅判定条件」のデータを記憶していると判断されていない場合（Ｓ７０５でＮＯ）、つまり、ユーザーの施設への往訪履歴に往訪の有無が記憶されていない場合であって、かつ、ステップ７０２における処理によって「第１在宅予測結果」を作成していないと判断されている場合（Ｓ７０２でＮＯ）、予測制御装置１００は、前述しているステップ７１０の処理以降の各処理を行う。このことから、「１のユーザー」に対して、「第１優先在宅判定条件」のデータおよび「第２優先在宅判定条件」のデータのいずれをも記憶していない場合であっても、この「１のユーザー」の属性情報に基づいて在宅予測を行うことが可能となっている。

また、ステップ７０５の処理において、「第２優先在宅判定条件」のデータを記憶していると判断されていない場合（Ｓ７０５でＮＯ）、つまり、ユーザーの施設への往訪履歴に往訪の有無が記憶されていない場合であって、かつ、ステップ７０２の処理において、「第１優先在宅判定条件」のデータを記憶していると判断している場合（Ｓ７０２でＹＥＳ）、つまり、１のユーザーのいる施設から受信したエネルギー使用量のデータを記憶している場合、予測制御装置１００は、第１在宅予測結果をもとに、ユーザーの在宅確率を算出する（Ｓ７０８）。そして、予測制御装置１００は、後述するステップ７１３における処理を行う。

予測制御装置１００は、以上に示すようなステップ７０２からステップ７１２の処理を全てのユーザーに対して行うことで、全ユーザーに対して在宅予測が完了したか否かを判断する（Ｓ７１３）。

ステップ７０２からステップ７１２に示すような処理を行うことで、在宅予測要求で指定された全てのユーザーに対する在宅予測が完了した場合（Ｓ７１３でＹＥＳ）、予測制御装置１００は、続いて、各ユーザーの在宅確率を集計し、ユーザーごとに、時間帯毎の在宅確率を対応付けた在宅予測結果を示す「在宅状況リスト」を作成する（Ｓ７１４）。

そして、予測制御装置１００は、各ユーザーのユーザー属性情報をもとに「予測参照データ」を生成する（Ｓ７１５）。このステップ７１５において生成された予測参照データは、予測制御装置１００の記憶部に記憶されるほか、任意のデータベースに登録することが可能である。また、予測制御装置１００に接続された端末に「在宅状況リスト」を出力し、この端末の表示デバイスや所定の媒体に出力することが可能である。

この予測参照データは、ステップ７１０において、「第１優先在宅判定条件」のデータ、「第２優先在宅判定条件」のデータのいずれも記憶していないユーザーに対して、在宅予測を行う際に記憶部等から読み出されて在宅予測に際して用いられるデータである。

以上のことから、本発明の予測制御装置１００における予測制御処理は、指定されたユーザー若しくは全てのユーザーに対して、各ユーザーに応じた予測判定条件に基づく精度の高い在宅状況の予測（在宅予測）が可能となる。

つまり、ユーザーのいる施設からのエネルギー使用量のデータを取得できない場合であっても、また、ユーザーのいる施設への訪問が初めてであっても、本発明の予測制御装置１００によって、高い精度での在宅状況の予測が可能である。

以上に示す実施の形態は、本発明の実施の一形態であって、これらの実施例に限定することなく、その要旨を変更しない範囲内で適宜変形して実施できるものである。

１００ 予測制御装置
２００ 情報管理サーバ
２０１ ユーザー管理データベース
２０２ エネルギーデータ管理データベース
２０３ 往訪履歴管理データベース
３００ 情報通信制御装置
４００ 計器
５００ 宅内システム
５０１ ホームエネルギー管理装置
５０２ エネルギー利用機器

Claims (7)

1. 訪問者による訪問対象の対象者に関する属性情報を記憶する属性情報記憶手段と、
   前記対象者が在宅可能な施設で消費されるエネルギー情報が計器によって計測され、該エネルギー情報を前記計器から取得する取得手段と、
   前記施設の前記エネルギー情報を取得できるとき、前記取得手段によって取得した前記エネルギー情報と前記エネルギー情報を判断する情報に基づいて、該エネルギー情報を計測した時点における前記対象者の在宅状況を予測する第１の在宅状況予測手段と、
   前記第１の在宅状況予測手段によって予測された在宅状況と、該在宅状況の前記対象者に関する属性情報とをもとに該属性情報が対応付けられた他の対象者の在宅予測に用いる予測参照データを作成する作成手段と、
   前記施設の前記エネルギー情報を取得できないとき、前記対象者の在宅状況を、前記属性情報記憶手段で記憶する該対象者の属性情報をもとに前記予測参照データを参照して予測する第２の在宅状況予測手段と
   を具備することを特徴とする予測制御装置。
2. 前記対象者の施設への往訪履歴を記憶する往訪履歴記憶手段
   を更に具備し、
   前記往訪履歴には、前記対象者の施設への往訪の有無が記憶されている場合と該往訪の有無が記憶されていない場合とを含む、
   ことを特徴とする請求項１記載の予測制御装置。
3. 前記第１の在宅状況予測手段は、
   前記対象者の前記エネルギー情報とともに、前記往訪履歴記憶手段で記憶している、該対象者の施設への往訪履歴を用いて、前記対象者の在宅状況を予測する
   ことを特徴とする請求項２記載の予測制御装置。
4. 前記第２の在宅状況予測手段は、
   前記施設における前記エネルギー情報を取得できず、かつ、前記往訪履歴記憶手段で前記対象者の施設への往訪履歴に、往訪の有無が記憶されていない場合に、前記対象者の在宅状況を予測する
   ことに特徴を有する請求項２記載の予測制御装置。
5. 前記第１の在宅状況予測手段と前記第２の在宅状況予測手段の少なくとも一方によって前記在宅状況を予測した前記対象者の属性情報を元に、該属性情報を有する他の対象者の在宅状況を予測可能な予測参照データを生成する生成手段
   を更に具備し、
   前記第２の在宅状況予測手段は、
   前記訪問者が訪問する施設に対する対象者の属性情報をもとに、前記生成手段によって生成された前記予測参照データを用いて、該対象者の在宅状況を予測する
   ことを特徴とする請求項１または請求項４に記載の予測制御装置。
6. 訪問者による訪問対象の対象者に関する属性情報を記憶する属性情報記憶手段と、
   前記対象者の在宅状況を予測する在宅予測手段と
   を具備する予測制御装置と、
   前記訪問者が訪問する施設に設けられ、エネルギーを利用して動作するエネルギー利用機器と、
   前記エネルギー利用機器で消費されるエネルギー情報を計測する計測手段と
   を備え、
   前記在宅予測手段は、
   前記施設の前記エネルギー情報を取得できるとき、前記計測手段によって計測された前記エネルギー情報と前記エネルギー情報を判断する情報に基づいて、該エネルギー情報を計測した時点における前記対象者の在宅状況を予測する第１の在宅状況予測手段
   を更に具備し、
   前記予測制御装置は、
   前記第１の在宅状況予測手段によって予測された在宅状況と、該在宅状況の前記対象者に関する属性情報とをもとに該属性情報が対応付けられた他の対象者の在宅予測に用いる予測参照データを作成する作成手段と、
   前記施設において前記エネルギー情報を計測できないとき、前記対象者の在宅状況を、前記属性情報記憶手段で記憶する該対象者の属性情報をもとに、前記予測参照データを参照して予測する第２の在宅予測手段と
   を更に具備することを特徴とする予測制御システム。
7. 訪問者による訪問対象の対象者に関する属性情報を記憶媒体に記憶しておき、
   前記対象者が在宅可能な施設で消費されるエネルギー情報を予測制御装置が計測するステップ、
   前記施設の前記エネルギー情報を取得できるとき、計測された前記エネルギー情報と前記エネルギー情報を判断する情報に基づいて、該エネルギー情報を計測した時点における前記対象者の在宅状況を予測制御装置が予測するステップ、
   予測された在宅状況と、該在宅状況の前記対象者に関する属性情報とをもとに該属性情報が対応付けられた他の対象者の在宅予測に用いる予測参照データを予測制御装置が作成するステップ、
   前記施設において前記エネルギー情報を計測できないとき、前記対象者の在宅状況を、該対象者の属性情報をもとに前記予測参照データを参照して予測制御装置が予測するステップ、
   とからなる予測制御方法。
   

Images