所在人数预测装置、设备管理系统以及所在人数预测方法与流程

1.本发明涉及所在人数预测装置、设备管理系统以及所在人数预测方法。


背景技术：

2.关于对楼宇等建筑物的设备进行运用管理这方面，存在想预测各楼层的规定时间后的所在人数的情况。例如，为了抑制建筑物整体的1小时后的消耗电力，而从设置于各楼层的空调设备中选择减小输出的空调设备。这时，如果已经得到了各楼层1小时后的在室人数的预测值，则例如能够抑制被预测为1小时后的在室人数较少的楼层的空调设备的输出等，能够在避免降低建筑物的利用者的舒适性的基础上抑制消耗电力。
3.以往，提出了如下技术：在预测所在人数时，参照建筑物的利用者的日程，根据利用者的日程来增减特定区域的特定时间段的所在人数的预测值(例如，专利文献1)。
4.此外，还提出了一种创建对每个时刻的所在人数的变化建模而得到的变动模型的技术。在该技术中，取得当前时刻的所在人数，另一方面，求出基于变动模型的同时刻的所在人数，比较两者的差异。进而，为了缩小该差异，对交通工具的运行信息、天气信息等外部状况进行分析，从而对变动模型进行调整(例如，专利文献2)。
5.此外，提出了如下技术：在进行电梯的组群管理时，根据楼宇的利用状况、预约状况来创建电梯的运行模式模型，并且参照实际的利用状况等而变更电梯运行模式的模型(例如，专利文献3)。
6.现有技术文献
7.专利文献
8.专利文献1：日本特开2011-180974号公报
9.专利文献2：国际公开第2018/061328号
10.专利文献3：日本特开昭62-79181号公报


技术实现要素：

11.发明所要解决的课题
12.可是，在变动模型中，以作为所在人数的预测对象的区域(例如，楼宇的规定楼层)中的过去的实绩值、即所在人数的变动实绩为基础而生成变动模型。因此，在预定了过去很少发生的、发生特殊的人数变动那样的事件的日子，基于变动模型的所在人数预测值的预测误差会变大。例如，在入驻作为预测对象的楼层的企业举办周年庆典(例如公司创立50周年纪念活动)的日子，会发生与通常的工作日所不同的人数变动，根据变动模型而预测的所在人数大幅偏离实际的所在人数。
13.此外，在使用日程信息来预测将来的所在人数的情况下，各利用者的日程信息是通过各利用者登记预定计划来创建的。即，有可能由于日程信息的漏登、误登而在所在人数中产生预测误差。
14.因此，本发明的目的在于，通过有机地结合基于变动模型的所在人数预测和基于
日程信息的所在人数预测，能够抑制特别是在发生特殊的人数变动那样的日子的所在人数的预测误差。
15.用于解决课题的手段
16.本发明的所在人数预测装置具备第1预测部、第2预测部、贡献度决定部以及整合预测部。第1预测部根据表示建筑物内的规定区域中的所在人数的时间变动的变动模型来计算将来的区域所在人数的第1预测值。第2预测部根据要利用区域的各利用者的日程信息来计算将来的区域所在人数的第2预测值。贡献度决定部按照每个预测对象时刻，决定预测将来的区域所在人数时的第1预测值以及第2预测值的贡献度。整合预测部针对第1预测值以及第2预测值进行与贡献度相应的加权，按照每个预测对象时刻计算区域所在人数的预测值。
17.根据上述发明，通过针对第1预测值以及第2预测值进行加权，在此基础上将二者整合而求出所在人数的预测值。例如，在发生特殊的人数变动那样的日子，将基于变动模型的第1预测值的权重设为相对较小的值等，从而能够抑制所在人数的预测误差。此外，通过按照每个预测对象时刻决定贡献度，从而在每个时刻的第1预测值以及第2预测值各自的准确度变动的情况下，能够进行与该变动相应的贡献度的决定。
18.此外，在上述发明中，也可以是，贡献度决定部根据日程信息中、在规定的预测对象时刻所预定的日程的件数，来决定该预测对象时刻的贡献度。
19.根据上述发明，在日程的件数较少那样的预测对象时刻，将基于日程信息的第2预测值的贡献度设为相对较小的值等，从而能够进行与第2预测值的准确度相应的加权。
20.此外，在上述发明中，也可以是，贡献度决定部在预测对象时刻符合特定时间段的情况下，将第1预测值的贡献度设定为大于第2预测值的贡献度的值。
21.根据上述发明，例如当在入驻所在人数的预测对象区域的办公楼中，规定了上班时刻和下班时刻一律固定的所谓的定时制的情况下，将日程的件数相对较少的时间段即从下班时刻到次日的上班时刻为止的定时时间外的时间段设为特定时间段等，从而能够根据时间段而将第1预测值的贡献度设定为相对较大的值。
22.此外，在上述发明中，也可以还具有上下班信息取得部，该上下班信息取得部取得区域的每个利用者的上下班信息。该情况下，贡献度决定部也可以根据上下班信息的历史记录，将在区域中上班的利用者相对较少的时间段设为特定时间段。
23.根据上述发明，例如当在入驻作为所在人数的预测对象的区域的办公楼中规定了使上班时刻以及下班时刻具有幅度的所谓的弹性工作制的情况下，能够根据上下班信息的历史记录来确定在区域中上班的利用者相对较少的时间段，能够将该时间段的第1预测值的贡献度设定为相对较大的值。
24.此外，在上述发明中，也可以是，贡献度决定部根据区域的所在人数的历史记录，将区域内的所在人数相对较少的时间段设为特定时间段。
25.根据上述发明，能够根据区域的实际的所在人数的历史记录来确定在该区域中上班的利用者相对较少的时间段，能够进行准确度更高的贡献度的设定。
26.此外，本发明涉及设施管理系统。该系统具有：基于上述发明的所在人数预测装置；以及设备管理装置，其根据由该所在人数预测装置所预测的区域的所在人数来进行设置于建筑物内的设备的管理。
27.此外，本发明涉及所在人数预测方法。该方法包括如下步骤：根据表示建筑物内的规定区域中的所在人数的时间变动的变动模型来计算将来的区域所在人数的第1预测值；根据要利用区域的各利用者的日程信息来计算将来的区域所在人数的第2预测值；按照每个预测对象时刻，决定预测将来的区域所在人数时的第1预测值以及第2预测值的贡献度；以及针对第1预测值以及第2预测值进行与贡献度相应的加权，按照每个预测对象时刻计算区域所在人数的预测值。
28.发明效果
29.根据本发明，通过有机地结合基于变动模型的所在人数预测和基于日程信息的所在人数预测，能够抑制特别是在发生特殊的人数变动那样的日子的所在人数预测误差。
附图说明
30.图1是示出本发明的设备管理系统的一个实施方式的整体结构图。
31.图2是形成实施方式1的所在人数预测装置的计算机的硬件结构图。
32.图3是实施方式1的所在人数预测装置的结构框图。
33.图4是示出蓄积在实施方式1的日程信息存储部中的日程信息的数据结构例的图。
34.图5是示出存储在实施方式1的变动模型信息存储部中的变动模型信息的图。
35.图6是示出实施方式1的所在人数预测处理的流程图。
36.图7是示出实施方式2的所在人数预测处理的流程图。
37.图8是实施方式2的所在人数预测装置的结构框图。
具体实施方式
38.以下，根据附图对本发明的优选实施方式进行说明。
39.实施方式1
40.图1是示出本发明的设备管理系统的一个实施方式的整体结构图。本实施方式的设备管理系统构建于楼宇1内。在本实施方式中，作为建筑物，假定了多层建筑的楼宇1。
41.此外，在本实施方式中，楼宇1的各楼层相当于本发明的区域。另外，也可以在各楼层(层)被分隔壁等分成多个区域(房间)的情况下，将各个区域(房间)作为本发明的区域。
42.进而，在以下内容中，为了便于说明，设为楼宇1由一家企业独占使用。在该企业工作的员工、访客出入楼宇1，在本实施方式中，位于各楼层的人的人数被称为该楼层的“所在人数”。
43.在楼宇1中设置有本实施方式的所在人数预测装置10、设备管理装置2、日程管理服务器3与网络4连接而成的结构。设备管理装置2根据由所在人数预测装置10所预测的区域所在人数来进行设置于建筑物内的设备的管理。日程管理服务器3对在楼宇1中工作的各员工的日程信息进行统一管理。日程信息可以利用通用的日程管理应用。但是，该应用需要具有能够确定作为日程管理对象的会议等事件的开始时刻以及结束时刻、举办的楼层(区域)的功能。
44.图2是形成本实施方式的所在人数预测装置10的计算机的硬件结构图。在本实施方式中，形成所在人数预测装置10的计算机能够由个人计算机(pc)等以前就存在的通用的硬件结构来实现。
45.即，如图2所示，所在人数预测装置10具备cpu(central processing unit，中央处理器)21、rom(read only memory：只读存储器)22、ram(random access memory：随机存取存储器)23以及硬盘驱动器(hdd)24，它们与内部总线30连接。此外，所在人数预测装置10具备作为输入单元而设置的鼠标25及键盘26、以及作为显示单元而设置的显示器27，它们与输入输出控制器28连接。此外，所在人数预测装置10具备该输入输出控制器28、和作为通信单元而设置的网络控制器29，它们也与内部总线30连接。设备管理装置2也同样通过计算机来实现，因此其硬件结构能够与图2同样地进行图示。
46.图3是本实施方式的所在人数预测装置10的结构框图。另外，从图3中省略了在本实施方式的说明中未使用的构成要素。本实施方式的所在人数预测装置10具备所在人数取得部11、日程信息取得部12、贡献度决定部13、第1预测部14、所在人数信息存储部15、日程信息存储部16、变动模型信息存储部17、第2预测部18以及整合预测部19。
47.所在人数预测装置10中的各构成要素、即从所在人数取得部11到整合预测部19通过形成所在人数预测装置10的计算机与在搭载于计算机的cpu21(参照图2)中运行的程序的协作动作来实现。此外，各存储部15～17通过搭载于所在人数预测装置10的hdd24来实现。或者，也可以利用ram23或经由网络利用位于外部的存储单元。
48.此外，在本实施方式中使用的程序既能够通过通信单元来提供，也能够通过保存在cd-rom(compact disc read-only memory，只读光盘)、usb(universal serial bus，通用串行总线)存储器等计算机可读取记录介质中来提供。通过通信单元、记录介质提供的程序被安装在计算机中，计算机的cpu依次执行程序，由此构成实现各种处理的所在人数装置。
49.所在人数取得部11针对楼宇1内的每个楼层、即每个区域，周期性地取得当前时刻的所在人数，并保存在所在人数信息存储部15中。例如，所在人数取得部11可以包括设置于各楼层(各区域)的人数计数传感器。如后文所述，基于该所在人数的每个时刻的实绩值而生成、修正变动模型。
50.例如，蓄积在所在人数信息存储部15中的所在人数信息通过按照每个楼层至少将从所在人数取得部11取得的各楼层的所在人数、取得了所在人数的楼层(区域)以及取得日期时间对应起来而形成。
51.第1预测部14根据变动模型计算出规定区域的将来的所在人数的预测值(第1预测值)。在图5中，以曲线图形式例示了存储于变动模型信息存储部17中的变动模型信息。在图5中，横轴表示时间，纵轴表示规定区域的所在人数。
52.如上所述，变动模型是表示建筑物内的规定区域、例如各楼层(各区域)的所在人数的时间变动的模型，在图5中例示了某个楼层(规定区域)的变动模型。变动模型每隔规定期间、例如以1天(1个工作日)为单位来设定并创建。变动模型的曲线图的形状根据各楼层的员工数、房间的结构、工作形态等而有所不同。
53.也可以认为是取决于工作形态，1个工作日的变动模型典型的是在上午的上班时间所在人数大幅度地增加，在傍晚的下班时间所在人数大幅度地减少。并且，在该期间中的12点以后至14点之前的午餐时间的时间段，很多人会移动到楼宇1之外去吃午餐。如图5所例示的那样，所在人数的转变曲线成为表示出在午餐时间开始时刻减少后，在午餐时间结束之前增加的形状。
54.该变动模型由第1预测部14依次(或者如后所述那样在任意的时机)更新。例如，所在人数取得部11以规定的时间间隔(例如30分钟间隔)，利用人数计数传感器等取得规定区域(规定楼层)的所在人数的实绩值。将该所在人数的实绩值存储在所在人数信息存储部15中。
55.第1预测部14使用存储于所在人数信息存储部15中的最近的所在人数的实绩值来修正变动模型。修正后的变动模型被存储(覆盖更新)在变动模型信息存储部17中。此外，第1预测部14根据变动模型计算将来的区域所在人数的第1预测值。关于该计算过程，将在后面叙述。
56.日程信息取得部12从日程管理服务器3(参照图1)取得楼宇1的各楼层(即各区域)的利用者(例如员工)的日程信息，保存在日程信息存储部16中。例如，日程信息取得部12每天在0点取得预测当天的日程信息。此外，由于在0点以后有时也会变更当天的日程信息，因此也可以定期性地更新日程信息。如后所述，基于该日程信息而求出第2预测部18的第2预测值以及贡献度c。
57.在图4中，以表形式例示了蓄积在本实施方式的日程信息存储部16中的日程信息的数据结构。日程信息按用户(员工)区分、按照每个事件(日程)而生成，由各记录来表示1个用户的1个日程(预定计划)。
58.在图4中，用户id是用户、即员工的识别信息。开始日以及开始时刻是示出该日程(预定计划)的开始时期的信息。结束日以及结束时刻是示出该日程(预定计划)的结束时期的信息。预定类别是示出预定计划的种类的信息，通过用户在登记日程时从预先指定的项目中进行选择来设定。预定内容是在该预定类别中示出具体的内容的信息。场所是示出该预定计划的实施场所的信息。
59.在本实施方式中，由于按每个楼层(区域)来预测所在人数，因此需要包含能够确定所在楼层的信息。根据图4所示的信息的设定例，可知用户u001、u002、u003均预定参加在相同的日期时间(2017/2/1)/场所(4层第1会议室)召开的“部门会议”。此外，即使是相同的会议，也针对每个用户将日程信息设定登记为不同的日程。
60.第2预测部18根据由利用规定区域的各利用者、例如规定楼层(规定区域)的员工所输入的日程信息计算出该规定区域的将来的所在人数的预测值(第2预测值)。
61.例如，将在规定楼层、即规定区域中注册(有座位)的用户(员工)数作为额定人数，并根据日程信息对该额定人数进行增减而得到的值成为第2预测值。例如，设利用4层的员工数、即额定人数为100人，预测当天的日程仅为图4所例示的7件。在预测15:00的所在人数的情况下，用户u001有预定在6层开会，用户u002有预定外出，用户u003有预定在5层开会，因此，能够估计为这3人在15点的时刻不在4层。由此，计算出100-3＝97人作为15点的时刻下的所在人数的第2预测值。
62.贡献度决定部13决定预测当天的各楼层(即各区域)的所在人数的预测中的第2预测值的贡献度c(0＜c＜1)。此外，通过求出贡献度c，来决定第1预测值的贡献度1-c。如后所述，在本实施方式的所在人数预测中，要将基于变动模型的第1预测值和基于日程信息的第2预测值整合。在进行该整合时，求出第1预测值和第2预测值的贡献度。关于贡献度的决定过程，将在后面叙述。
63.本实施方式的所在人数预测装置10对预测当天的预测时刻以后的各楼层(各区
域)的所在人数进行预测。在进行该预测时，求出基于变动模型的第1预测值x1和基于日程信息的第2预测值x2。
64.在此，从预测精度的观点出发，要以使用根据过去的所在人数的实绩而创建的变动模型为基础来预测所在人数。这是因为，由于日程信息是利用者自行登记的，因此会由于漏登、误登而不能保证可以高精度地预测所在人数。
65.另一方面，由于变动模型是根据过去的实绩而创建的，因此不一定能够适合召开多名参加者与会的会议等发生特殊的人数变动那样的事件。
66.因此，在本实施方式中，既要以基于过去的实绩的变动模型为基础，也要参照与变动模型不同的、反映了与特殊事件相关的日程的日程信息，对基于变动模型的所在人数预测进行校正。
67.但是，如上所述，由于可能会产生漏登、误登、或者未反映出进行了正确的登记之后的预定变更等情形，因此日程信息不一定总是正确的。在本实施方式中，也着眼于这样的日程信息自身所包含的与实际日程之间的误差。
68.即，在本实施方式中，取代采取从变动模型切换为日程信息来预测所在人数这一过程，而在一定程度上信赖日程信息中所设定的信息来预测所在人数。在此，在本实施方式中，作为表示对于日程信息中所设定的信息信任多少而将其反映到所在人数预测中的指标，可以求出根据日程信息而求出的第2预测值x2的贡献度c。
69.贡献度c(0＜c＜1)也能够表达为用于抑制仅使用了变动模型的情况下的预测误差的贡献度。当然，计算贡献度的结果是日程信息的贡献度为100％的情况在逻辑上也是可能的。因此，也可能会出现不参照变动模型而仅参照日程信息来预测所在人数的情况。
70.接下来，使用图6所示的流程图对本实施方式的所在人数预测处理进行说明。本实施方式的所在人数预测处理以固定周期、例如每隔规定时间(每隔1小时)启动。另外，各楼层可以均执行相同的处理，因此在此着眼于1个楼层(区域)来进行说明。
71.此外，在本实施方式的所在人数预测处理中，按照每个预测对象时刻time_i(i＝1～k)求出第1预测值x1_i、第2预测值x2_i以及贡献度c_i。进而，根据求出的第1预测值x1_i、第2预测值x2_i以及贡献度c_i，求出预测对象时刻time_i下的关注楼层(规定区域)的所在人数的预测值x_i。
72.例如，在工作时间外的时间段中，与工作时间内的时间段相比，日程的输入件数变少，因此在工作时间外，第2预测值x2_i的贡献度变低。这样，根据按照每个预测对象时刻time_i而变动的贡献度c_i来求出各时刻的所在人数的预测值x_i，由此能够进行精度更高的预测。
73.例如，设置于规定楼层(规定区域)的人数计数传感器等的所在人数取得部11以规定的时间间隔(例如30分钟间隔)取得所在人数的实绩值。此外，作为所在人数取得部11，例如也可以根据电梯的乘降者人数来求出各楼层的所在人数的实绩值。
74.所在人数取得部11在如上所述地取得当前时刻的所在人数后，将所取得的日期时间、所取得的楼层以及该楼层的所在人数作为组而写入并保存在所在人数信息存储部15中。
75.当在所在人数信息存储部15中存储了新的所在人数信息时，开始图6的所在人数预测处理流程。第1预测部14将预测对象时刻time_i的计数i设定为初始值1(s101)。
76.初始值i＝1时的预测对象时刻time_1例如可以是所在人数预测处理流程的开始时刻。此外，最终值i＝k时的预测对象时刻time_k例如可以是所在人数预测对象时间段的最终时刻、例如23：00。
77.第1预测部14提取出新存储在所在人数信息存储部15中的所在人数信息后更新变动模型。进而，根据变动模型计算出预测对象时刻time_i的第1预测值x1_i(s102)。例如，变动模型的预测对象时刻time_i的所在人数的预测值直接成为第1预测值x1_i。另外，步骤s102中的变动模型更新处理也可以不在全部的图6的所在人数预测处理的执行时进行。例如，也可以在任意的时机(例如每1个月)更新变动模型。
78.接着，日程信息取得部12从日程管理服务器3(参照图1)取得各楼层(各区域)的利用者的日程信息，将其写入并保存在日程信息存储部16中。
79.由于日程信息取得部12已经取得过预测当天以前(过去)的日程信息并保存在所在人数信息存储部15中，因此在此取得的日程信息可以仅为与预测当天相关的日程信息。与预测当天相关的日程信息是指包含预测当天的日程信息的日程信息。例如，不限于仅在预测当天所设定的日程信息，包括预测当天及其前后的日期在内的长期出差等也包含在日程信息中。
80.此外，严格来说，存在在预测当天，预测时刻以后的日程被用户变更的情况(在预测当天的10点追加了16点的预定计划等)。因此，也可以在每当执行所在人数预测处理时，取得预测当天的日程信息。但是，会使所在人数的预测产生较大的误差那样的事件(被估计为所在人数会有大幅度的变动的特殊事件)通常是事先计划的。因此，考虑到数量庞大的员工参与的情况下的处理负荷等，也可以仅在预测当天的第一次取得日程信息。
81.另外，在本实施方式中，从日程管理服务器3取得了日程信息，但也可以采用其替代手段。例如，在不存在日程管理服务器3的情况下，例如可以从楼宇1或各楼层的用户所共同利用的群件(groupware)、日程管理器等直接取得，也可以从安装于各个用户所利用的便携式终端的日程管理器等取得。
82.第2预测部18根据日程信息计算出预测对象时刻time_i的第2预测值x2_i(s103)。例如，如上所述，将在规定楼层(规定区域)中注册的用户数作为额定人数，并根据日程信息对该额定人数进行增减而得到的值成为第2预测值。例如，第2预测部18从额定人数中减去预测对象时刻time_i的不在者，将所得值作为第2预测值x2_i。
83.接着，贡献度决定部13根据预测对象时刻time_i的日程件数n_skd_i，求出第2预测值x2_i的贡献度c_i(s104)。一般而言，在预定有相对较多的日程的时刻的所在人数预测中，与实施所谓的常规工作时有所不同，发生特殊的人数变动的可能性较大。因此，在基于变动模型的预测的情况下，误差容易变大。在本实施方式的所在人数预测中，着眼于这一点而设定为，日程的件数越多，则第2预测值x2_i的贡献度c_i越高。
84.例如，预先规定了日程件数的基准值a。对此，在预测对象时刻time_i的日程件数b_i在基准值a以上的情况下，贡献度决定部13将第2预测值x2_i的贡献度c_i设定为相对较大的值(例如c_i＞0.5)。另一方面，在预测对象时刻time_i的日程件数b_i小于基准值a的情况下，贡献度决定部13将第2预测值x2_i的贡献度c_i设定为相对较小的值(例如c_i＜0.5)。
85.另外，基准值a也可以根据日程信息的历史记录而以统计方式计算。此外，也可以
根据基准值a与日程件数b_i之差求出贡献度c_i。
86.例如，将用于变动模型的创建的所在人数的历史记录中的每1天的件数的平均值设为基准值a。例如，在该期间为12月1日～12月31日(除休息日外)的情况下，可以在求出该期间中的每1天的日程件数之后，计算求出期间整体的平均值，将该平均值作为基准值a。通过进行这样的计算，即使假设在该期间中包含实施了特殊事件的日子，也能够求出平均化后的值。换言之，作为基准的日程信息成为示出平均1天的日程的信息。
87.此外，可以针对每个预定类别而设定日程件数的基准值。例如，可以表示为，在某个区域的某一天所实施的会议的日程件数为
○
件，外出的日程件数为
○
件，休假的日程件数为
○
件。针对每个该类别求出基准值，求出与预测对象时刻time_i的各预定类别的件数之差，求出其平均值，由此求出贡献度c_i。
88.接着，贡献度决定部13求出第1预测值x1_i的贡献度(1-c_i)(s105)。接下来，整合预测部19针对预测对象时刻time_i的第1预测值x1_i、第2预测值x2_i进行与贡献度c_i、(1-c_i)相应的加权，计算出规定楼层(区域)的所在人数的预测对象时刻time_i的所在人数的预测值x_i(s106)。例如，整合预测部19根据下述的数式(1)来计算所在人数的预测值x_i。
89.x_i＝x1_i
×
(1-c_i) x2_i
×
c_i
ꢀꢀ
(1)
90.计算出的预测值x_i由整合预测部19输出至显示器27(参照图2)(s107)。另外，预测值x_i除了输出至显示器27以外，也可以作为文件保存在hdd24中。此外，关于输出的信息，也可以除了输出预测值x_i以外，也输出前后百分之几范围的误差条。
91.在输出预测值x_i后，第1预测部14判定计数i是否为最终值k(s108)。在计数i到达最终值k的情况下，图6所示的所在人数预测处理流程结束。
92.另一方面，在计数i还未到达最终值k的情况下，第1预测部14使计数i递增(s109)，返回步骤s102。
93.这样，在本实施方式的所在人数的预测处理中，以使得基于变动模型的第1预测值x1与第2预测值x2互相弥补彼此的短处的方式来计算所在人数的预测值x，其中，所述基于变动模型的第1预测值x1在存在发生特殊的人数变动那样的事件的情况下预测误差会变大，所述第2预测值x2会由于日程信息的漏登、误登而有可能在所在人数中产生预测误差。因此，与基于某一方的预测的所在人数预测相比较，能够进行误差更小的预测。
94.此外，在本实施方式的所在人数的预测处理中，按照每个预测对象时刻time_i计算贡献度c_i，根据该贡献度c_i计算所在人数的预测值x_i。这样，通过根据按照每个时刻而变动的贡献度来进行所在人数的预测，由此能够进行精度较高的预测。例如，在每个时刻的日程的登记件数不同、即存在件数较多的时间段和件数较少的时间段的情况下，本实施方式的所在人数预测处理能够进行精度较高的预测。
95.另外，在本实施方式中，作为创建成为基准的日程信息的规定期间，以月为例，按照每该规定期间创建作为基准的日程信息，但不限于该方式。例如也可以在像每月的上旬/中旬/下旬、每星期几等那样地对规定期间进行细分而形成的每个期间，创建作为基准的日程信息。由此，在细分化后的期间中，能够得到示出典型性日程的信息。
96.实施方式2
97.在实施方式1中，对着眼于在预定有很多日程的时刻的所在人数预测中，在基于变
动模型的预测中误差容易变大的情况而决定与预测对象时刻相应的贡献度c的情况进行了说明。在以下进行说明的实施方式2中，则着眼于在平时上班的利用者较少的时间段的所在人数预测中基于日程信息的预测中误差容易变大的情况而决定贡献度c。
98.例如，在基于日程信息的预测中，在规定时刻执行如下的运算：从规定区域的额定人数中减去在该规定时刻存在日程登记的人员数。而由于在上班的利用者较少的时间段，所在人数偏离额定人数，因此如果利用如上所述的预测值的计算方法的话，则误差变大。因此如下述进行说明的那样，在那样的所在人数较少的时间段中，要将基于变动模型的第1预测值x1的贡献度规定得较大。
99.在图7中，例示了基于本实施方式的所在人数预测处理流程。作为与图6的流程图的不同点，在步骤s103与步骤s105之间插入判定预测对象时刻time_i是否包含在特定时间段中的步骤s110、s111。另外，在图7中，关于标注有与图6相同的标号的步骤，适当省略说明。
100.特定时间段是指上班的利用者较少、基于日程信息的预测(第2预测值)的误差变大的时间段。贡献度决定部13判定在这样的特定时间段中是否包含预测对象时刻time_i(s110)。在特定时间段中包含预测对象时刻time_i的情况下，贡献度决定部13以使得成为c_i＜(1-c_i)的方式来设定贡献度c_i(s111)。即，贡献度决定部13将第1预测值x1_i的贡献度(1-c_i)设定为大于针对第2预测值x2_i的贡献度c_i的值。
101.另一方面，在特定时间段中不包含预测对象时刻time_i的情况下，则根据预测对象时刻time_i的日程件数n_skd_i而求出第2预测值x2_i的贡献度c_i(s104)。
102.关于特定时间段的设定，存在如下情况：在入驻作为所在人数的预测对象的区域(楼层)的办公室中，规定了上班时刻和下班时刻一律固定的所谓的定时制。在这样的情况下，将日程的件数相对较少的时间段即从下班时刻到次日的上班时刻的定时时间外的时间段设定为特定时间段。
103.另一方面，当在入驻作为所在人数预测对象的区域的办公室中规定了使上班时刻以及下班时刻具有幅度的所谓的弹性工作制的情况下，则难以一律地规定特定时间段。因此，如图8所例示的那样，优选使所在人数预测装置10具有用于设定特定时间段的功能块。
104.参照图8，作为与图3的结构框图的不同点，所在人数预测装置10具备上下班信息取得部40以及上下班信息存储部41。贡献度决定部13与上下班信息存储部41连接，此外，上下班信息存储部41还与上下班信息取得部40连接。
105.上下班信息取得部40取得利用楼宇1的各楼层(各区域)的利用者(员工)的上下班信息，保存在上下班信息存储部41中。上下班信息例如根据进出管理系统的进出楼宇1的进出楼宇信息、或者进出各楼层的进出室信息而取得，每当各利用者上班或者下班时，将利用者的识别信息和上班时刻或者下班时刻作为组而保存在上下班信息存储部41中。
106.另外，上下班信息取得部40也可以通过利用者向考勤管理系统进行输入等方法来取得上下班信息。贡献度决定部13参照上下班信息的历史记录来设定特定时间段。
107.贡献度决定部13根据上下班信息的历史记录，将在规定区域中上班的利用者相对较少的时间段设为特定时间段。例如，贡献度决定部13根据过去的规定期间(除休息日外)的上下班信息的历史记录，求出各时刻下的平时的上班者数，将该值在规定阈值以下的时间段设为特定时间段。关于平时的上班者数，可以对每天的各时刻的上班者数进行平均而
计算出来，也可以在对每个利用者的平时的上班时刻以及下班时刻进行统计处理(例如求出平均值、众数)的基础上进行计算。
108.另外，也可以是贡献度决定部13取代使用上下班信息，而根据过去的该楼层(区域)的所在人数的历史记录，将该区域内的所在人数相对较少的时间段规定为特定时间段。例如，贡献度决定部13根据过去的规定期间(除休息日外)的所在人数的历史记录求出各时刻的平均所在人数，将该值在规定阈值以下的时间段设为特定时间段。此外，也可以根据星期几等而变更特定时间段。
109.标号说明
110.10：所在人数预测装置；11：所在人数取得部；12：日程信息取得部；13：贡献度决定部；14：第1预测部；15：所在人数信息存储部；16：日程信息存储部；17：变动模型信息存储部；18：第2预测部；19：整合预测部；40：上下班信息取得部；41：上下班信息存储部。