CN111602411B - 元数据生成装置、元数据生成方法和存储介质 - Google Patents

元数据生成装置、元数据生成方法和存储介质 Download PDF

Info

Publication number
CN111602411B
CN111602411B CN201880086460.7A CN201880086460A CN111602411B CN 111602411 B CN111602411 B CN 111602411B CN 201880086460 A CN201880086460 A CN 201880086460A CN 111602411 B CN111602411 B CN 111602411B
Authority
CN
China
Prior art keywords
sensing device
metadata
probability density
input
density function
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201880086460.7A
Other languages
English (en)
Other versions
CN111602411A (zh
Inventor
今井纮
大和哲二
吉川泰司
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Omron Corp filed Critical Omron Corp
Publication of CN111602411A publication Critical patent/CN111602411A/zh
Application granted granted Critical
Publication of CN111602411B publication Critical patent/CN111602411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Selective Calling Equipment (AREA)

Abstract

提供元数据生成装置、元数据生成方法和程序，能够生成更加准确地表示各感测设备的输入输出关系的元数据。感测设备构成为根据被输入的物理量生成输出值。元数据生成装置具有概率密度函数生成部和元数据生成部。概率密度函数生成部构成为生成将特定物理量输入到感测设备的情况下的输出值的概率密度函数。元数据生成部构成为根据概率密度函数生成元数据。

Description

元数据生成装置、元数据生成方法和存储介质
技术领域
本发明涉及元数据生成装置、元数据生成方法和存储介质。
背景技术
国际公开WO2015/128954号公报(专利文献1)公开了如下设备网络系统：该设备网络系统包含设备网络和对该设备网络所包含的各设备(例如，传感器)进行管理的设备管理系统。在设备管理系统中，设置有物理设备主机DB(database：数据库)，该物理设备主机DB对设备网络所包含的各设备的属性信息进行管理。用户通过参照物理设备主机DB，能够检索设备网络所包含的多个设备中的具有期望的属性的设备(参照专利文献1)。
现有技术文献
专利文献
专利文献1：国际公开WO2015/128954号公报
发明内容
发明要解决的课题
在上述专利文献1中，表示各设备的“类别”和“设置位置”等的信息通过物理设备主机DB来管理。即，也可以说在物理设备主机DB中，表示“类别”和“设置位置”的信息被作为元数据赋予给各设备。例如，用户通过参照该元数据，能够检索关于“类别”和“设置位置”满足期望的条件的设备。
例如，在感测设备中，按照各“制造商”的每个“产品编号”设置有数据表。在数据表中包含表示输入到感测设备的物理量与被输入了该物理量的情况下的感测设备的输出值的对应关系(以下，也称作“输入输出关系”。)的信息(以下，也称作“输入输出关系信息”。)的情况较多。本发明人认为例如为了检索具有期望的输入输出关系的感测设备，将输入输出关系信息作为元数据赋予给各感测设备是有效的。
但是，数据表所包含的输入输出关系信息只不过是代表性的输入输出关系信息。因此，即使采用同一“制造商”、“产品编号”的感测设备，严格来说也存在按照每个感测设备而具有不同的输入输出关系的情况。此外，即使在对同一感测设备输入了同一物理量的情况下，也存在由于各种原因(感测设备的设置状态、周围环境等)而根据感测设备而输出不同的值(输出值波动)的情况。即，数据表所包含的输入输出关系信息不能说一定准确地表示了各感测设备的输入输出关系。
本发明是为了解决这样的问题而完成的，其目的在于可以提供一种能够生成更加准确地表示各感测设备的输入输出关系的元数据的元数据生成装置、元数据生成方法和程序。
用于解决课题的手段
本发明的一个方面的元数据生成装置构成为生成与感测设备对应的元数据。感测设备构成为根据被输入的物理量生成输出值。元数据生成装置具有概率密度函数生成部和元数据生成部。概率密度函数生成部构成为生成将特定物理量输入到感测设备的情况下的输出值的概率密度函数。元数据生成部构成为根据概率密度函数生成元数据。
在该元数据生成装置中，根据被输入了特定物理量的情况下的感测设备的输出值的概率密度函数来生成元数据。根据该概率密度函数，充分地表示被赋予了同一产品编号的各感测设备的输入输出关系的差异和同一感测设备中的输出值的波动。因此，根据该元数据生成装置，能够生成更加准确地表示各感测设备的输入输出关系的元数据。
此外，在上述元数据生成装置中，概率密度函数生成部也可以构成为生成多个概率密度函数。多个概率密度函数中的各个概率密度函数也可以为将与在多个概率密度函数所包含的其他概率密度函数的生成时输入到感测设备的特定物理量不同的特定物理量输入到感测设备的情况下的输出值的概率密度函数。
在该元数据生成装置中，按照每个物理量(输入值)生成输出值的概率密度函数，根据所生成的多个概率密度函数来生成元数据。因此，根据该元数据生成装置，能够生成更加详细地表示各感测设备的输入输出关系的元数据。
此外，上述元数据生成装置也可以还具有物理量确定部，该物理量确定部构成为以比所述感测设备高的精度确定向感测设备输入的物理量。概率密度函数生成部也可以构成为根据由物理量确定部确定的物理量和输出值来生成概率密度函数。
在该元数据生成装置中，由物理量确定部确定向感测设备输入的物理量，物理量确定部对物理量的确定精度比感测设备高。因此，根据该元数据生成装置，由于高精度地确定输入到感测设备的物理量，所以能够高精度地确定感测设备的输入输出关系。
此外，感测设备也可以设置在实际的使用环境中。
根据该元数据生成装置，能够生成表示实际的使用环境中的感测设备的输入输出关系的元数据。
此外，在本发明的另一方面的元数据生成方法中，生成与感测设备对应的元数据。感测设备构成为根据被输入的物理量生成输出值。元数据生成方法包含以下步骤：生成将特定物理量输入到感测设备的情况下的输出值的概率密度函数的步骤；以及根据概率密度函数生成元数据的步骤。
在该元数据生成方法中，根据被输入了特定物理量的情况下的感测设备的输出值的概率密度函数来生成元数据。根据该概率密度函数，充分地表示各感测设备的输入输出关系的差异和同一感测设备中的输出值的波动。因此，根据该元数据生成方法，能够生成更加准确地表示各感测设备的输入输出关系的元数据。
此外，本发明的另一方面的程序使计算机执行生成与感测设备对应的元数据的处理。感测设备构成为根据被输入的物理量生成输出值。程序构成为使计算机执行以下步骤：生成将特定物理量输入到感测设备的情况下的输出值的概率密度函数的步骤；以及根据概率密度函数生成元数据的步骤。
当通过计算机执行该程序时，根据被输入了特定物理量的情况下的感测设备的输出值的概率密度函数来生成元数据。根据该概率密度函数，充分地表示各感测设备的输入输出关系的差异和同一感测设备中的输出值的波动。因此，根据该程序，能够生成更加准确地表示各感测设备的输入输出关系的元数据。
发明效果
根据本发明，可以提供一种能够生成更加准确地表示各感测设备的输入输出关系的元数据的元数据生成装置、元数据生成方法和程序。
附图说明
图1是用于说明元数据生成装置的概要的图。
图2是示出传感器网络系统的一例的图。
图3是示出元数据生成装置的硬件结构的一例的图。
图4是示出传感器管理服务器的硬件结构的一例的图。
图5是示出元数据生成装置的软件结构的一例的图。
图6是示出元数据的一例的图。
图7是示出传感器管理服务器的软件结构的一例的图。
图8是示出元数据生成装置中的元数据的生成动作的一例的流程图。
图9是示出传感器管理服务器中的元数据的登记动作的一例的流程图。
图10是示出传感器管理服务器中的预处理动作的一例的流程图。
图11是用于说明感测设备周围的当前环境的估计方法的一例的图。
图12是用于说明是否需要预处理的判定方法和预处理方法的一例的图。
具体实施方式
以下，使用附图详细地说明本发明的一个方面的实施方式(以下，也记作“本实施方式”。)。另外，对图中相同或相当部分标注相同标号并不再重复其说明。此外，以下说明的本实施方式在全部方面仅是本发明的例示。本实施方式能够在本发明的范围内进行各种改良、变更。即，在实施本发明时，能够根据实施方式适当采用具体结构。
[1.概要]
图1是用于说明本实施方式的元数据生成装置100的概要的图。如图1所示，感测设备12根据所输入的物理量(例如，温度、湿度、声压、速度、加速度)生成感测数据，并输出所生成的感测数据(输出值)。
例如，考虑从多个感测设备12选择一部分感测设备12来生成期望的虚拟传感器的情况。虚拟传感器是根据通过由输入传感器(例如，感测设备12)观测对象而生成的感测数据来将与由输入传感器观测到的对象不同的对象的观测结果作为感测数据输出的传感器模块。例如，虚拟传感器由1个或多个感测设备12和处理模块(后述)构成。例如，处理模块具有多个输入端口，向各输入端口输入由感测设备12输出的感测数据。处理模块构成为根据被输入的感测数据(以下，也称作“输入数据”。)生成与输入数据不同的输出数据。
为了生成期望的虚拟传感器，重要的是选择适当的感测设备12作为处理模块的输入传感器。即，重要的是从多个感测设备12中检索适当的感测设备12。此外，可以认为除了生成虚拟传感器的情况以外，还存在很多从多个感测设备12中检索适当的感测设备12较重要的场面。
可以考虑到将各感测设备12与表示该感测设备12的属性的元数据对应起来，以容易进行适当的感测设备12的检索。在对各感测设备12对应了该元数据的情况下，例如，能够仅通过参照该元数据，检索适当的感测设备12。感测设备12的重要属性之一为输入到感测设备12的物理量与被输入了该物理量的情况下的感测设备12的输出值的对应关系(输入输出关系)。
在各感测设备12中，按照各“制造商”的每个“产品编号”设置有数据表。在数据表中包含感测设备12的输入输出关系信息的情况较多。本发明人认为例如为了检索具有期望的输入输出关系的感测设备12，将输入输出关系信息作为元数据赋予给各感测设备12是有效的。
但是，数据表所包含的输入输出关系信息只不过是代表性的输入输出关系信息。因此，即使采用同一“制造商”、“产品编号”的感测设备12，严格来说也存在按照每个感测设备12而具有不同的输入输出关系的情况。此外，即使在对同一感测设备12输入了同一物理量的情况下，也存在由于各种原因(感测设备12的设置状态、周围环境等)而根据感测设备12输出不同的值(输出值波动)的情况。即，数据表所包含的输入输出关系信息不能说一定准确地表示了各感测设备12的输入输出关系。
本实施方式的元数据生成装置100具有概率密度函数生成部152和元数据生成部154。概率密度函数生成部152构成为生成向感测设备12输入了特定物理量的情况下的输出值的概率密度函数。元数据生成部154构成为根据由概率密度函数生成部152生成的概率密度函数来生成元数据。即，在元数据生成装置100中，根据感测设备12的输入了特定物理量的情况下的输出值的概率密度函数来生成感测设备12的元数据。根据该概率密度函数，充分地表示被赋予了同一产品编号的各感测设备12的输入输出关系的差异以及同一感测设备12中的输出值的波动。因此，根据元数据生成装置100，能够生成更加准确地表示各感测设备12的输入输出关系的元数据。
[2.结构]
<2-1.系统整体的结构>
图2是示出包含本实施方式的元数据生成装置100的传感器网络系统10的一例的图。在图2的例子中，传感器网络系统10包含传感器网络部14、元数据生成装置100、传感器管理服务器200和应用服务器300。
传感器网络部14、元数据生成装置100、传感器管理服务器200和应用服务器300经由互联网15连接成能够相互进行通信。另外，传感器网络系统10所包含的各结构要素(传感器管理服务器200、应用服务器300、传感器网络适配器11、感测设备12和元数据生成装置100等)的数量不限定于图2所示的数量。
在传感器网络系统10中，由感测设备12等生成的感测数据能够流通。例如，由感测设备12生成的感测数据能够向传感器管理服务器200流通，由虚拟传感器(由传感器管理服务器200生成的)生成的感测数据能够向应用服务器200流通。
传感器网络部14例如包含多个传感器网络适配器11。多个传感器网络适配器11中的各个传感器网络适配器11与多个感测设备12连接，各感测设备12经由传感器网络适配器11与互联网15连接。
感测设备12构成为通过观测对象来获得感测数据。感测设备12例如包含图像传感器(照相机)、温度传感器、湿度传感器、照度传感器、力传感器、声音传感器、速度传感器、加速度传感器、RFID(Radio Frequency IDentification：射频识别)传感器、红外线传感器、姿势传感器、降雨传感器、放射性传感器和气体传感器等。此外，感测设备12不一定必须是固定设置型，也可以是移动电话、智能手机和平板电脑等移动型。此外，各感测设备12不一定必须由单一的传感器构成，也可以由多个传感器构成。此外，感测设备12可以以任何目的设置，例如，也可以为了工厂中的FA(Factory Automation：工厂自动化)、生产管理、城市交通控制、气象等环境测量、健康护理和防盗等而设置。
在传感器网络部14中，例如，各传感器网络适配器11配置在不同的(远的)场所，与各传感器网络适配器11连接的各感测设备12配置在相同的(近的)场所，但它们的配置场所不限定于此。
元数据生成装置100构成为生成与感测设备12对应的元数据。例如，在感测设备12的出厂时、感测设备12向使用环境中设置时或感测设备12的维护时，将感测设备12收纳到元数据生成装置100内。在将感测设备12收纳于内部的状态下，元数据生成装置100生成感测设备12的元数据。元数据例如表示感测设备12的输入输出关系。所生成的元数据例如经由互联网15发送到传感器管理服务器200，并登记到元数据DB 292(后述)中。之后详细地说明元数据的内容和元数据的生成方法。
各应用服务器300(300A、300B)构成为执行利用感测数据的应用(application)，例如，通过通用计算机来实现。应用服务器300经由互联网15取得所需要的感测数据。
传感器管理服务器200为用于实现虚拟传感器并管理各感测设备12的服务器。在传感器管理服务器200中，实现有多个处理模块254和预处理模块252，并且管理元数据DB292。多个处理模块254和预处理模块252例如分别为软件模块。
如上所述，处理模块254构成为包含至少一个输入端口，根据输入到各输入端口的输入数据来生成与输入数据不同的输出数据。处理模块254能够根据需要切换将输入数据向输入端口输出的感测设备12。例如，在当前正在将输入数据向输入端口输出的感测设备12发生了故障的情况下，处理模块254能够将输入传感器切换为其他感测设备12。
处理模块254例如也可以构成为根据由配置于室内的声音传感器输出的输入数据(声音数据)来输出表示存在于该室内的人的数量的数据。在该情况下，能够通过处理模块254和感测设备12(声音传感器)来实现检测室内的人的数量的虚拟传感器。
预处理模块252构成为对向处理模块254输入的输入数据实施预处理。元数据DB292构成为对与传感器网络部14所包含的各感测设备12对应的元数据进行管理。
在传感器管理服务器200中，预处理模块252例如通过参照元数据DB 292，确定是否对向处理模块254输入的输入数据实施预处理。之后详细说明各软件模块和元数据DB292。
此外，在元数据DB 292中管理的元数据例如可以用于选择将感测数据向处理模块254输出的感测设备12，也可以用于处理模块254中的多个输入数据的加权的优化。即，作为该元数据的用途，考虑有各种方式。
<2-2.元数据生成装置的硬件结构>
图3是示出元数据生成装置100的硬件结构的一例的图。另外，在本实施方式中，元数据生成装置100例如通过收纳感测设备12的收纳部和调节收纳部的内部环境的通用计算机来实现。
在图3的例子中，元数据生成装置100包含收纳部170、控制部180、通信I/F(interface：接口)195、输入部196、输出部197和存储部190，各结构经由总线198电连接。
收纳部170构成为在内部形成密闭空间，在该密闭空间内收纳感测设备12。例如，收纳部170为能够在内部形成密闭空间的箱状部件。收纳部170包含环境调节部172和感测设备设置部174。
环境调节部172构成为调节收纳部170内部的环境。例如，环境调节部172将收纳部170内部的温度调节为来自控制部180的指示所表示的温度。环境调节部172例如包含制冷制热设备。此外，感测设备设置部174构成为与感测设备12电连接。在设置于感测设备设置部174的状态下，感测设备12经由总线198将感测数据输出到控制部180。
控制部180构成为包含CPU(Central Processing Unit：中央处理器)182、RAM(Random Access Memory：随机存取存储器)184和ROM(Read Only Memory：只读存储器)186等，根据信息处理进行各结构要素的控制。
通信I/F 195构成为经由互联网15与设置于元数据生成装置100的外部的外部装置(例如，传感器管理服务器200(图2))进行通信。通信I/F 195例如由有线LAN(Local AreaNetwork：局域网)模块、无线LAN模块构成。
输入部196例如由触摸面板、键盘、输入按钮等输入I/F构成。输入部196例如从用户受理与设置于收纳部170内的感测设备12对应的元数据的生成开始指示。
输出部197例如由显示器、扬声器等输出I/F构成。输出部197例如构成为输出(图像输出、声音输出等)与所生成的元数据相关的信息。
存储部190例如是硬盘驱动器、固态驱动器等辅助存储装置。存储部190例如构成为存储控制程序191。控制程序191为由控制部180执行的元数据生成装置100的控制程序。例如，控制部180执行控制程序191，由此，可调节收纳部170内的环境。在控制部180执行控制程序191的情况下，控制程序191展开到RAM 184中。然后，控制部180通过利用CPU 182解释和执行展开到RAM 184中的控制程序191来控制各结构要素。
<2-3.传感器管理服务器的硬件结构>
图4是示出传感器管理服务器200的硬件结构的一例的图。另外，在本实施方式中，传感器管理服务器200例如通过通用计算机来实现。
在图4的例子中，传感器管理服务器200包含控制部280、通信I/F 295和存储部290，各结构经由总线298电连接。
控制部280构成为包含CPU 282、RAM 284和ROM 286等，根据信息处理进行各结构要素的控制。
通信I/F 295构成为经由互联网15与设置于传感器管理服务器200的外部的外部装置(例如，元数据生成装置100、应用服务器300和传感器网络部14(图2))进行通信。通信I/F 295例如由有线LAN模块、无线LAN模块构成。
存储部290例如是硬盘驱动器、固态驱动器等辅助存储装置。存储部290例如构成为存储元数据DB 292和控制程序291。
元数据DB 292对传感器网络部14所包含的各感测设备12的元数据进行管理。由元数据DB 292管理的各元数据例如通过元数据生成装置100来生成。如上所述，由元数据生成装置100生成的元数据例如表示输入到感测设备12的物理量与被输入了该物理量的情况下的感测设备12的输出值的对应关系(输入输出关系)。之后详细地说明元数据的详细内容。
控制程序291为由控制部280执行的传感器管理服务器200的控制程序。例如，也可以通过使控制部280执行控制程序291来实现各处理模块254和预处理模块252(图2)。在控制部280执行控制程序291的情况下，控制程序291被展开到RAM 284中。然后，控制部280通过利用CPU 282解释和执行被展开到RAM 284中的控制程序291来控制各结构要素。
<2-4.元数据生成装置的软件结构>
图5是示出元数据生成装置100的软件结构的一例的图。在图5的例子中，通过使控制部180执行控制程序191(图3)，实现环境控制部150、概率密度函数生成部152、元数据生成部154和元数据发送部156。
环境控制部150经由输入部196接收来自用户的指示，调节收纳部170(图3)内的环境。具体而言，环境控制部150控制环境调节部172，以使收纳部170内的环境成为目标值。例如，环境控制部150控制环境调节部172，以使收纳部170内的温度成为目标温度。另外，环境调节部172对环境的调节精度比感测设备12对环境的检测精度高。因此，由环境控制部150指示的环境的目标值示出比感测设备12的输出值更接近收纳部170内的实际环境的值。
当收纳部170内的环境成为目标值时，该环境下的物理量被输入到感测设备12。感测设备12根据被输入的物理量来生成感测数据，并输出所生成的感测数据。
概率密度函数生成部152收集由感测设备12输出的感测数据。概率密度函数生成部152根据收集到的数据和收纳部170内的环境的目标值来生成被输入了特定物理量(与由环境调节部172调整后的环境对应的物理量)的情况下的感测设备12的输出值的概率密度函数。
通过由环境调节部172变更收纳部170内的环境(通过变更向感测设备12输入的物理量)，在概率密度函数生成部152中生成多个概率密度函数。在该情况下，多个概率密度函数中的各个概率密度函数为将与在多个概率密度函数所包含的其他概率密度函数的生成时输入到感测设备12的特定物理量不同的特定物理量输入到感测设备12的情况下的感测数据(输出值)的概率密度函数。
元数据生成部154根据由概率密度函数生成部152生成的多个概率密度函数来生成元数据。由元数据生成部154生成的元数据为与设置于感测设备设置部174(图3)的感测设备12对应的元数据。
图6是示出由元数据生成部154生成的元数据的一例的图。在图6的例子中，感测设备12为温度传感器。在该例子中，元数据160包含收纳部170内的温度为15℃的情况下的感测数据(输出值)的概率密度函数、收纳部170内的温度为16℃的情况下的感测数据的概率密度函数、收纳部170内的温度为17℃的情况下的感测数据的概率密度函数和收纳部170内的温度为18℃的情况下的感测数据的概率密度函数。这些概率密度函数详细地表示感测设备12的输入输出关系。
再次参照图5，元数据发送部156将由元数据生成部154生成的元数据和能够确定设置于感测设备设置部174的感测设备12的信息(以下，也称作“感测设备确定信息”。)经由通信I/F 195发送到传感器管理服务器200。感测设备确定信息例如为由传感器管理服务器200预先分配给感测设备12的ID(identification：标识符)、感测设备12的IP地址。所发送的元数据在传感器管理服务器200中被登记到元数据DB 292(图2)中。
<2-5.传感器管理服务器的软件结构>
图7是示出传感器管理服务器200的软件结构的一例的图。在图7的例子中，通过使控制部280执行控制程序291(图4)，实现元数据登记部250、预处理模块252和处理模块254。
元数据登记部250经由互联网15从元数据生成装置100接收元数据和感测设备确定信息。元数据登记部250将接收到的元数据与利用感测设备确定信息确定的感测设备12对应起来登记到元数据DB 292中。
元数据DB 292中登记的元数据用于各种用途。元数据例如在向处理模块254输入的输入数据的预处理中使用。
预处理模块252从元数据DB 292读出与正在将输入数据向处理模块254输出的感测设备12对应的元数据。预处理模块252根据所读出的元数据，判定是否需要针对输入数据的预处理。当判定为需要预处理时，预处理模块252对输入数据实施预处理。之后详细地说明是否需要预处理的确定方法。
当由预处理模块252对输入数据实施了预处理时，向处理模块254输入预处理后的输入数据。
[3.动作]
<3-1.元数据生成动作>
图8是示出元数据生成装置100中的元数据的生成动作的一例的流程图。例如通过在以在感测设备设置部174(图3)中设置有感测设备12的状态经由输入部196从用户受理了元数据的生成指示的情况下，使控制部180作为环境控制部150(图5)、概率密度函数生成部152、元数据生成部154或元数据发送部156发挥功能来执行该流程图所示的处理。
参照图8，控制部180对环境调节部172进行控制，以使向设置于感测设备设置部174的感测设备12输入的物理量成为初始值(步骤S100)。物理量的初始值例如是在控制程序191(图3)中预先确定的。
然后，控制部180开始由感测设备12输出的感测数据(输出值)的收集(步骤S110)。控制部180判定是否从开始感测数据的收集起经过了规定时间T1(步骤S120)。当判定为未经过规定时间T1时(在步骤S120中为“否”)，控制部180继续感测数据的收集，直到经过规定时间T1为止。另外，规定时间T1为能够收集生成后述的概率密度函数所需的量的感测数据的时间，是在控制程序191中预先确定的。
另一方面，当判定为经过了规定时间T1时(在步骤S120中为“是”)，控制部180停止感测数据的收集(步骤S130)。然后，控制部180根据输入到感测设备12的物理量和收集到的感测数据来生成被输入了特定物理量(与由环境调节部172调整后的环境对应的物理量)的情况下的感测设备12的输出值的概率密度函数(步骤S140)。
然后，控制部180判定在控制程序191中所预先确定的全部物理量下的感测数据的收集是否已结束(步骤S150)。在控制程序191中，例如，按照设置于感测设备设置部174的感测设备12的每个种类(温度传感器、湿度传感器、声压传感器、速度传感器、加速度传感器等)预先确定了向感测设备12输入的物理量的多种值。例如，在设置于感测设备设置部174的感测设备12为温度传感器的情况下，在控制程序191中，例如，预先确定了向感测设备12输入的多种温度(例如，预先确定了从10℃到30℃以1℃为间隔变更温度等。)。
当在步骤S150中判定为全部物理量下的感测数据的收集未结束时(在步骤S150中为“否”)，控制部180通过控制环境调节部172，变更向感测设备12输入的物理量(步骤S160)。然后，控制部180反复进行步骤S110至步骤S150的处理，直到全部物理量下的感测数据的收集结束为止。
另一方面，当在步骤S150中判定为全部物理量下的感测数据的收集已结束时(在步骤S150中为“是”)，控制部180根据所生成的多个概率密度函数来生成元数据。控制部180控制通信I/F 195，以将设置于感测设备设置部174的感测设备12的感测设备确定信息和所生成的元数据发送到传感器管理服务器200(步骤S180)。
这样，在本实施方式的元数据生成装置100中，根据被输入了特定物理量的情况下的感测设备12的输出值的概率密度函数来生成感测设备12的元数据。根据该概率密度函数，充分地表示被赋予了同一产品编号的各感测设备12的输入输出关系的差异和同一感测设备12中的输出值的波动。因此，根据元数据生成装置100，能够生成更加准确地表示各感测设备12的输入输出关系的元数据。
<3-2.元数据登记动作>
图9是示出传感器管理服务器200中的元数据的登记动作的一例的流程图。该流程图所示的处理通过在传感器管理服务器200的工作中使控制部280作为元数据登记部250(图7)发挥功能来执行。
参照图9，控制部280判定是否经由通信I/F 295从元数据生成装置100接收到元数据和感测设备确定信息(步骤S200)。当判定为未接收到元数据和感测设备确定信息时(在步骤S200中为“否”)，处理转移到返回。
另一方面，当判定为接收到元数据和感测设备确定信息时(在步骤S200中为“是”)，控制部280将接收到的元数据与感测设备确定信息对应起来登记到元数据DB292中(步骤S210)。
<3-3.预处理动作(元数据的使用例)>
如上所述，元数据DB 292中登记的元数据用于各种用途。这里，作为一例，对在向处理模块254(图7)输入的输入数据的预处理中使用元数据的例子进行说明。
图10是示出传感器管理服务器200中的预处理动作的一例的流程图。该流程图所示的处理例如通过在将由感测设备12输出的感测数据向处理模块254输入的情况下使控制部280作为预处理模块252发挥功能来执行。
参照图10，控制部280开始由感测设备12输出的感测数据的缓冲(步骤S300)。在步骤S300中，感测数据暂时存储到存储部290(图4)的一部分区域中。
控制部280判定在开始感测数据的缓冲之后是否经过了规定时间T2(步骤S310)。当判定为未经过规定时间T2时(在步骤S310中为“否”)，控制部280继续感测数据的缓冲，直到经过规定时间T2为止。另外，规定时间T2为能够收集步骤S320(后述)中的环境估计所需的量的感测数据的时间，是在控制程序291中预先确定的。
另一方面，当判定为经过了规定时间T2时(在步骤S310中为“是”)，控制部280根据与正在将输入数据向处理模块254输出的感测设备12对应的元数据和所缓冲的感测数据来估计感测设备12周围的当前环境(步骤S320)。
具体而言，控制部280生成所缓冲的感测数据的概率密度函数，并计算所生成的概率密度函数与元数据所包含的多个概率密度函数中的各个概率密度函数的类似度。在类似度的计算中能够使用公知的各种方法。控制部280提取元数据所包含的多个概率密度函数中的与所缓冲的感测数据的概率密度函数的类似度最高的概率密度函数。控制部280估计为与提取出的概率密度函数对应的物理量表示感测设备12周围的当前环境。
图11是用于说明感测设备12周围的当前环境的估计方法的一例的图。在图11所示的例子中，正在将输入数据向处理模块254输出的感测设备12为温度传感器。元数据160包含温度(输入到感测设备12的物理量)为16℃的情况下的感测数据的概率密度函数、温度为17℃的情况下的感测数据的概率密度函数和温度为18℃的情况下的感测数据的概率密度函数。
控制部280生成所缓冲的感测数据的概率密度函数，并计算所生成的概率密度函数与元数据160所包含的多个概率密度函数中的各个概率密度函数的类似度。在该例子中，所缓冲的感测数据的概率密度函数与温度为17℃的情况下的概率密度函数的类似度最高。在该情况下，控制部280估计为感测设备12周围的当前温度为17℃。
再次参照图10，当估计出感测设备12周围的当前环境时，控制部280继续地进行是否需要预处理的判定和需要的情况下的预处理(步骤S330)。具体而言，控制部280提取与感测设备12对应的元数据所包含的多个概率密度函数中的与在步骤S320中所估计的环境对应的概率密度函数。控制部280通过使用提取出的概率密度函数，判定是否需要预处理，在需要的情况下执行预处理。
图12是用于说明是否需要预处理的判定方法和预处理的一例的图。在该例子中，在元数据160中，预先确定出V1以下和V2以上的输出值为离群值。该离群值的基准(V1，V2)例如在生成元数据160时通过控制部180(图3)来确定。例如，在由控制部180执行的控制程序191中，预先确定了将出现频度(概率)小于规定值的输出值视作离群值。
控制部280通过参照与当前环境(温度：17℃)对应的概率密度函数，能够将V1以下和V2以上的输出值视作离群值。因此，在由感测设备12输出的感测数据为V1以下或V2以上的情况下，控制部280判定为感测数据为离群值，需要预处理。而且，在感测数据为离群值的情况下，控制部280例如进行离群值的删除作为预处理。
再次参照图10，然后，控制部280判定是否从开始步骤S330中的处理起经过了规定时间T3(步骤S340)。当判定为未经过规定时间T3时(在步骤S340中为“否”)，控制部280继续进行是否需要预处理的判定和需要的情况下的预处理，直到经过规定时间T3为止。另外，规定时间T3为在步骤S320中所估计的环境几乎不发生变化的时间，是在控制程序291中预先确定的。另一方面，当判定为经过了规定时间T3时(在步骤S340中为“是”)，处理转移到返回。
这样，在传感器管理服务器200中，例如，在是否需要对向处理模块254输入的输入数据进行预处理的判定中使用与感测设备12对应的元数据(概率密度函数)。在传感器管理服务器200中，例如，通过使用元数据所包含的判定为离群值的基准值(V1、V2(图12))，能够容易地进行是否需要预处理的判定。
[4.特征]
如上所述，在本实施方式的元数据生成装置100中，根据被输入了特定物理量的情况下的感测设备12的输出值的概率密度函数来生成感测设备12的元数据。根据该概率密度函数，充分地表示被赋予了同一产品编号的各感测设备12的输入输出关系的差异和同一感测设备12中的输出值的波动。因此，根据元数据生成装置100，能够生成更加准确地表示各感测设备12的输入输出关系的元数据。
另外，感测设备12是本发明的“感测设备”的一例，元数据生成装置100是本发明的“元数据生成装置”的一例。概率密度函数生成部152是本发明的“概率密度函数生成部”的一例，元数据生成部154是本发明的“元数据生成部”的一例。环境控制部150是本发明的“物理量确定部”的一例。
[5.变形例]
以上，对实施方式进行了说明，但是本发明不限于上述实施方式，能够在不脱离其主旨的范围内进行各种变更。以下，说明变形例。其中，以下的变形例能够适当组合。
<5-1>
在上述实施方式中，将被输入了特定物理量的情况下的感测设备12的输出值的概率密度函数作为元数据。但是，不一定必须将概率密度函数本身作为元数据。例如，控制部180生成概率密度函数，根据所生成的概率密度函数来确定离群值的基准(图12中的V1、V2)。而且，控制部180也可以将所生成的离群值的基准作为元数据。
<5-2>
此外，在上述实施方式中，与感测设备12分开地设置有元数据生成装置100。但是，元数据生成装置100不一定必须与感测设备12分体。例如，感测设备12与元数据生成装置100也可以为一体。即，感测设备12也可以具有元数据的生成功能。在该情况下，例如，感测设备12预先设置于感测设备设置部174。而且，在生成元数据时，将收纳部170的内部设为密闭空间。另一方面，在生成元数据之后，收纳部170敞开，感测设备12能够观测周围的环境(收纳部170的外部的环境)。
<5-3>
此外，在上述实施方式中，在将感测设备12密闭在收纳部170中的状态下，生成元数据。但是，元数据不一定必须在将感测设备12密闭在收纳部170内的状态下生成。例如，也可以在将感测设备12设置在实际的使用环境中的状态下，生成元数据。
在该情况下，例如，元数据生成装置100不具有收纳部170。替代地，元数据生成装置100具有精度比作为元数据的生成对象的感测设备12高的传感器(参照机)。例如，该传感器的环境的检测精度比感测设备12高1位以上。控制部180例如在规定时间内持续由该传感器检测出的物理量的收集与由感测设备12生成的感测数据的收集。
控制部180将在相同定时收集到的物理量与感测数据对应起来。控制部180根据收集到的物理量和感测数据，生成多个被输入了特定物理量的情况下的感测设备12的输出值的概率密度函数。另外，各概率密度函数为将不同的物理量输入到感测设备12的情况下的输出值的概率密度函数。而且，控制部180根据所生成的多个概率密度函数来生成元数据。
如果通过这样的方法生成元数据，则是根据实际的使用环境中的感测数据来生成元数据，因此，能够生成表示实际的使用环境中的感测设备12的输入输出关系的元数据。
<5-4>
此外，在上述实施方式中，由传感器管理服务器200进行的处理也可以通过多个服务器等来实现。
标号说明
10：传感器网络系统；11：传感器网络适配器；12：感测设备；14：传感器网络部；15：互联网；100：元数据生成装置；150：环境控制部；152：概率密度函数生成部；154：元数据生成部；156：元数据发送部；160：元数据；170：收纳部；172：环境调节部；174：感测设备设置部；180、280：控制部；182、282：CPU；184、284：RAM；186、286：ROM；190、290：存储部；191、291：控制程序；195、295：通信I/F；196：输入部；197：输出部；198、298：总线；200：传感器管理服务器；250：元数据登记部；252：预处理模块；254：处理模块；292：元数据DB；300：应用服务器。

Claims (6)

1.一种元数据生成装置，其构成为生成与感测设备对应的元数据，其中，
所述感测设备构成为根据被输入的物理量来生成输出值，
该元数据生成装置具有：
概率密度函数生成部，其构成为生成将特定物理量输入到所述感测设备的情况下的所述输出值的概率密度函数；以及
元数据生成部，其构成为根据所述概率密度函数生成所述元数据，
所述概率密度函数充分地表示被赋予了同一信息的各所述感测设备的输入输出关系的差异和同一所述感测设备中的所述输出值的波动。
2.根据权利要求1所述的元数据生成装置，其中，
所述概率密度函数生成部构成为生成多个概率密度函数，
所述多个概率密度函数中的各个概率密度函数为将如下的特定物理量输入到所述感测设备的情况下的所述输出值的概率密度函数，该特定物理量为与在所述多个概率密度函数所包含的其他概率密度函数的生成时输入到所述感测设备的特定物理量不同的特定物理量。
3.根据权利要求1或2所述的元数据生成装置，其中，
该元数据生成装置还具有物理量确定部，该物理量确定部构成为以比所述感测设备高的精度确定向所述感测设备输入的物理量，
所述概率密度函数生成部构成为根据由所述物理量确定部确定的物理量和所述输出值来生成所述概率密度函数。
4.根据权利要求1或2所述的元数据生成装置，其中，
所述感测设备设置在实际的使用环境中。
5.一种元数据生成方法，生成与感测设备对应的元数据，其中，
所述感测设备构成为根据被输入的物理量来生成输出值，
该元数据生成方法包含以下步骤：
生成将特定物理量输入到所述感测设备的情况下的所述输出值的概率密度函数的步骤；以及
根据所述概率密度函数生成所述元数据的步骤，
所述概率密度函数充分地表示被赋予了同一信息的各所述感测设备的输入输出关系的差异和同一所述感测设备中的所述输出值的波动。
6.一种存储介质，存储有程序，该程序使计算机执行生成与感测设备对应的元数据的处理，其中，
所述感测设备构成为根据被输入的物理量来生成输出值，
该程序构成为使所述计算机执行以下步骤：
生成将特定物理量输入到所述感测设备的情况下的所述输出值的概率密度函数的步骤；以及
根据所述概率密度函数生成所述元数据的步骤，
所述概率密度函数充分地表示被赋予了同一信息的各所述感测设备的输入输出关系的差异和同一所述感测设备中的所述输出值的波动。
CN201880086460.7A 2018-02-27 2018-11-29 元数据生成装置、元数据生成方法和存储介质 Active CN111602411B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018033042A JP6471818B1 (ja) 2018-02-27 2018-02-27 メタデータ生成装置、メタデータ生成方法及びプログラム
JP2018-033042 2018-02-27
PCT/JP2018/043935 WO2019167366A1 (ja) 2018-02-27 2018-11-29 メタデータ生成装置、メタデータ生成方法及びプログラム

Publications (2)

Publication Number Publication Date
CN111602411A CN111602411A (zh) 2020-08-28
CN111602411B true CN111602411B (zh) 2022-07-22

Family

ID=65443072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880086460.7A Active CN111602411B (zh) 2018-02-27 2018-11-29 元数据生成装置、元数据生成方法和存储介质

Country Status (4)

Country Link
US (1) US11422914B2 (zh)
JP (1) JP6471818B1 (zh)
CN (1) CN111602411B (zh)
WO (1) WO2019167366A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6108619A (en) * 1998-07-02 2000-08-22 Novell, Inc. Method and apparatus for semantic characterization of general content streams and repositories
CN101369281A (zh) * 2008-10-09 2009-02-18 湖北科创高新网络视频股份有限公司 基于视频摘要元数据的检索方法
CN101718634A (zh) * 2009-11-20 2010-06-02 西安交通大学 基于多元概率模型的设备状态综合动态报警方法
CN106710653A (zh) * 2016-12-05 2017-05-24 浙江大学 一种用于核电机组运行监控的实时数据异常诊断方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4635220B2 (ja) * 2005-06-07 2011-02-23 学校法人慶應義塾 複数の化学物質の測定方法
US8494810B2 (en) * 2009-06-05 2013-07-23 Jentek Sensors, Inc. Component adaptive life management
KR101678404B1 (ko) * 2010-02-25 2016-11-23 삼성전자주식회사 사전 확률 정보를 사용하는 메모리 시스템 및 그것의 데이터 처리 방법
US20120296899A1 (en) * 2011-05-16 2012-11-22 Adams Bruce W Decision Management System to Define, Validate and Extract Data for Predictive Models
JP5437328B2 (ja) * 2011-08-09 2014-03-12 日本電信電話株式会社 観測値信頼度評価装置、観測値信頼度評価方法及び観測値信頼度評価プログラム
US20140201369A1 (en) 2011-08-12 2014-07-17 Omron Corporation Information management device, information management program, and information management method
EP2940601B1 (en) 2014-02-26 2018-01-03 Omron Corporation Device information providing system and device information providing method
GB2532734B (en) * 2014-11-25 2017-02-08 Cognitive Geology Ltd Apparatus and method for making geological predictions by processing geological parameter measurements
KR102502952B1 (ko) * 2016-07-28 2023-02-22 삼성에스디에스 주식회사 통계 분석 기반 데이터 측정 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6108619A (en) * 1998-07-02 2000-08-22 Novell, Inc. Method and apparatus for semantic characterization of general content streams and repositories
CN101369281A (zh) * 2008-10-09 2009-02-18 湖北科创高新网络视频股份有限公司 基于视频摘要元数据的检索方法
CN101718634A (zh) * 2009-11-20 2010-06-02 西安交通大学 基于多元概率模型的设备状态综合动态报警方法
CN106710653A (zh) * 2016-12-05 2017-05-24 浙江大学 一种用于核电机组运行监控的实时数据异常诊断方法

Also Published As

Publication number Publication date
US11422914B2 (en) 2022-08-23
US20210042206A1 (en) 2021-02-11
JP6471818B1 (ja) 2019-02-20
JP2019149671A (ja) 2019-09-05
CN111602411A (zh) 2020-08-28
WO2019167366A1 (ja) 2019-09-06

Similar Documents

Publication Publication Date Title
US11268713B2 (en) Smart home air conditioner automatic control system based on artificial intelligence
EP4005186B1 (en) Provision of a mixed reality service
CN110674112A (zh) 一种数据查询的方法、装置及电子设备
JP2019011916A (ja) 空調制御装置、空調システム、制御方法及びプログラム
JP6590477B2 (ja) 情報処理装置、情報処理方法、プログラム
CN111602411B (zh) 元数据生成装置、元数据生成方法和存储介质
CN111602412B (zh) 设备选择装置、数据集选择装置、设备选择方法和存储介质
US20170061643A1 (en) User terminal, object recognition server, and method for notification
EP3664056B1 (en) Sensor device, background noise data transmission method, and background noise data transmission program
CN109754319B (zh) 信用分值确定系统、方法、终端及服务器
JP7367383B2 (ja) 画像認識アプリケーション構築支援システム及びプログラム
CN111602410B (zh) 适合性判定装置、适合性判定方法和存储介质
CN111602409B (zh) 元数据生成装置、元数据生成方法和存储介质
WO2017154354A1 (ja) 情報処理装置、情報処理方法及びプログラム
US20210136193A1 (en) Electronic device for supporting user-customized service
KR102614283B1 (ko) 외부 전자 장치의 내부 공간을 관리하는 전자 장치 및 방법
CN111566630B (zh) 数据处理装置、数据处理方法及程序
EP3865980B1 (en) Electronic device and control method therefor
US11927928B2 (en) Output management apparatus, output management method, and program
JP6727240B2 (ja) データ出力装置、データ出力方法及びプログラム
CN111602123B (zh) 预处理判定装置、预处理判定方法以及程序
JP6451911B1 (ja) センサ装置、背景雑音データ送信方法、および背景雑音データ送信プログラム
JP6556297B1 (ja) データ分析支援装置およびデータ分析支援プログラム
JP6489250B1 (ja) 候補抽出装置、候補抽出方法及びプログラム
CN117994640A (zh) 一种智能冰箱和食材识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant