JP2007188287A - 類似状況検索システムおよび類似状況検索方法 - Google Patents

Abstract

【課題】環境の状況を適切に認識する。
【解決手段】センサノード１−１〜１−４からの加速度データより、所定の時間幅（例えば、１秒）毎に動きベクトルを求め、動きベクトルＤＢ２３に格納する。動きベクトルが求められる毎に、その動きベクトルと標準動きベクトルＤＢ２４に格納されている各標準動きベクトルとの類似度を求め、この標準動きベクトルとの類似度を要素とする観測状況ベクトルを作成し、観測状況ＤＢ２６にその時の時刻（観測時刻）を付して記憶する。また、類似状況検索モジュール２７において、今回作成された観測状況ベクトルと観測状況ＤＢ２６に格納されている各観測状況ベクトルとの比較を行い、類似度の高い観測状況ベクトルおよびその観測時刻を類似状況の検索結果として出力する。
【選択図】 図３

Description

この発明は、複数のセンサからの情報に基づいてそのセンサが設置された環境において生じた過去の類似状況を検索する類似状況検索システムおよび類似状況検索方法に関するものである。

環境の状況は、屋内、屋外に関わらず、そこに存在する人間もしくはその他の要因により、時々刻々と変化していく。この環境の状況（環境全体もしくは一部の状況変化）は、環境に複数のセンサを分散設置し、これらセンサからの情報をネットワークを介して集約することにより把握することが可能である。なお、ここでいうセンサは、周辺の物理量や信号を検知するデバイスを指す。

この状況変化が把握可能となれば、過去の状況との比較に基づき、類似状況の検索や次に発生する確率の高い状況の予測が可能となる。また、この予測により、状況の一部として、もし、その場にいるユーザが行う動作を予測することができれば、ユーザの危険状況を察知して警告を出して回避を促したり、ユーザが行う動作をシステムが代わりに実施することができる。実際、自動ドアやＨＶＡＣシステム（冷暖房空調システム）は、センサとアクチュエータの組を使って、後者の代行動作をシンプルに設定したものと考えることもできる。

また、ユビキタスコンピューティングに関連し、家電ネットワークやセンサネットワークに関する研究成果も数多く発表されており、すでに防犯や医療現場、車載機器への応用利用が始まっている。これらの成果は、コンピュータの性能向上、新たなネットワーク標準の出現、電池・電源・センサデバイスの小型化に起因するところが大きい。

これに伴い、従来、環境で発生する状況変化の認識も、壁面・天井等に固定されたカメラを利用した画像認識や観測対象が固定されたセンサに頼る設置状況への依存度が大きい方法だけでなく、環境にセンサを多数設置して、そこで収集された情報の集約により、状況認識をボトムアップに行う方法も可能になってきた（例えば、非特許文献１参照）。

例えば、非特許文献２に示された「Smart Dustプロジェクト」では、超小型センサノードを塗料に混ぜて壁に塗りつけ、周囲の状況認識を実現するようにしている。また、「Smart-ITS プロジェクト」では、センサノード間の近接関係から、激しい反応を起こす薬品を隣に置かないように警告を出すような薬品管理システムを構築している。

Y.Nakauchi, K.Noguchi, P.Somwong, T.Matsubara, A.Namatame: Vivid Room: Human intention Detection and Activity Support Environment for Ubiquitous Autonomy,Proc. of the 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS2003), pp.773〜778,2003. J.M. Kahn, R.H. Katz, K.S.J. Pister, Next century challenges: Mobile Networking for 'smart dust', Proc. MOBICOM, 1999,271-278. 石岡 恒憲: クラスター数を自動決定するk-meansアルゴリズムの拡張について、応用統計学、 Vol.29, No.3, 141-149 (2000). 平松 薫,服部 正嗣,山田 辰美,岡留 剛: Pervasive Association: ユビキタス環境における意味統合(２)−センサネットワークを利用した実世界の関係情報の収集 −マルチメディア,分散,協調とモバイル(DICOMO2005)シンポジウム論文集,pp.169-172, 2005.

従来手法のうち、自動ドアやＨＶＡＣシステムに類するような、センサからのデータに閾値を直接指定して動作を決定するようなシステムでは、システムを設置した環境が変化すると、センサが出力するデータの意味する内容が変化し、「ドアを開けるべき状況」を正しく認識できなくなる可能性がある。この課題は、「Smart Dust」や「Smart-ITS 」においても解決されておらず、システムを設置した環境の状況を適切に認識できるシステムの実現が望まれている。

本発明は、このような課題を解決するためになされたもので、その目的とするところは、複数のセンサからの情報に基づいて、環境の状況を適切に認識することが可能な類似状況検索システムおよび類似状況検索方法を提供することにある。

このような目的を達成するために、第１発明（請求項１に係る発明）は、環境に設置された複数のセンサと、これらセンサからの情報に基づいて環境において生じた過去の類似状況を検索する類似状況検索装置とを備えた類似状況検索システムとし、類似状況検索装置に、複数のセンサからの情報より所定の時間幅毎にデータを切り出し、その時間幅内のデータを代表するデータを観測データとして求め、この求めた観測データを逐次記憶する観測データ記憶手段と、記憶された観測データのデータ列をその特徴に基づいて各グループに分類する分類手段と、分類されたグループ毎にそのグループの観測データを代表するデータを標準データとして記憶する標準データ記憶手段と、観測データが求められる毎に、その観測データと各グループの標準データとの類似度を求め、この標準データとの類似度を要素とするベクトルを観測状況ベクトルとして作成しその時の時刻を付して逐次記憶すると共に、今回作成した観測状況ベクトルとそれまでに記憶されている各観測状況ベクトルとの比較を行い、類似度の高い観測状況ベクトルおよびその観測状況ベクトルに付されている時刻を類似状況の検索結果として出力する類似状況検索手段とを設けたものである。

第２発明（請求項２に係る発明）は、環境に設置された複数のセンサと、これらセンサからの情報に基づいて環境において生じた過去の類似状況を検索する類似状況検索装置とを備えた類似状況検索システムとし、類似状況検索装置に、複数のセンサからの情報より所定の時間幅毎にデータを切り出し、その時間幅内のデータを代表するデータを観測データとして求め、この求めた観測データを逐次記憶する観測データ記憶手段と、記憶された観測データのデータ列をその特徴に基づいて各グループに分類する分類手段と、分類されたグループ毎にそのグループの観測データを代表するデータを標準データとして記憶する標準データ記憶手段と、観測データが求められる毎に、その観測データと各グループの標準データとの比較を行い、類似度の高い標準データを観測状況データとしてその時の時刻を付して逐次記憶するとともに、今回求められた観測状況データとそれまでに記憶されている各観測状況データとの比較を行い、類似度の高い観測状況データおよびその観測状況データに付されている時刻を類似状況の検索結果として出力する類似状況検索手段とを設けたものである。

この発明（第１発明、第２発明）によれば、複数のセンサからの情報より所定の時間幅毎にデータが切り出され、その時間幅内のデータを代表するデータが観測データとして求められ、この求められた観測データが逐次記憶される。また、記憶された観測データのデータ列がその特徴に基づいて各グループに分類され、分類されたグループ毎にそのグループの観測データを代表するデータが標準データとして記憶される。
そして、第１発明では、観測データが求められる毎に、その観測データと各グループの標準データとの類似度が求められ、この標準データとの類似度を要素とする観測状況ベクトルが作成され、その時の時刻を付して逐次記憶される。また、今回作成された観測状況ベクトルとそれまでに記憶されている各観測状況ベクトルとの比較が行われ、類似度の高い観測状況ベクトルおよびその観測状況ベクトルに付されている時刻（観測時刻）が類似状況の検索結果として出力される。
第２発明では、観測データが求められる毎に、その観測データと各グループの標準データとの比較が行われ、類似度の高い標準データが観測状況データとしてその時の時刻を付して逐次記憶される。また、今回求められた観測状況データとそれまでに記憶されている各観測状況データとの比較が行われ、類似度の高い観測状況データおよびその観測状況データに付されている時刻（観測時刻）が類似状況の検索結果として出力される。

なお、第１発明では、類似度の高い観測状況ベクトルおよびその観測時刻を類似状況の検索結果として出力するが、最も類似度の高い観測状況ベクトルおよびその観測時刻を類似状況の検索結果として出力するようにしてもよいし、類似度の高い上位Ｎ個の観測状況ベクトルおよびその観測時刻を類似状況の検索結果として出力するようにしてもよい。また、第２発明では、類似度の高い観測状況データおよびその観測時刻を類似状況の検索結果として出力するが、最も類似度の高い観測状況データおよびその観測時刻を類似状況の検索結果として出力するようにしてもよいし、類似度の高い上位Ｎ個の観測状況データおよびその観測時刻を類似状況の検索結果として出力するようにしてもよい。

また、本発明では、観測データのデータ列のグループ分けは、非特許文献３に示されるようなクラスタリングによって行うとよい。また、本発明において、観測データは、所定の時間幅内のデータを代表するデータであればよく、その時間幅内のデータの特徴を示す特徴データなどとしてもよい。また、本発明において、標準データは、観測状況ベクトルや観測状況データの蓄積を開始する前の一定期間の観測データに基づく標準データに固定してもよく、観測状況ベクトルや観測状況データの蓄積を始めた後、一定時間経過した時や観測データに顕著な差が認められた時に、蓄積されている観測データから作成しなおすようにしてもよい。また、本発明は、類似状況検索システムとしてではなく、類似状況検索方法としても実現することが可能である。

本発明によれば、第１発明では、観測データが求められる毎に、その観測データと各グループの標準データとの類似度が求められ、この標準データとの類似度を要素とする観測状況ベクトルが作成され、今回作成された観測状況ベクトルとそれまでに記憶されている各観測状況ベクトルとの比較が行われ、類似度の高い観測状況ベクトルおよびその観測時刻が類似状況の検索結果として出力されるものとなり、第２発明では、観測データが求められる毎に、その観測データと各グループの標準データとの類似度が求められ、類似度の高い標準データが観測状況データとされ、今回求められた観測状況データとそれまでに記憶されている各観測状況データとの比較が行われ、類似度の高い観測状況データおよびその観測時刻が類似状況の検索結果として出力されるものとなり、複数のセンサからの情報に基づいて、環境の状況を適切に認識することが可能となる。

以下、本発明を図面に基づいて詳細に説明する。
〔実施の形態１〕
図１はこの発明に係る類似状況検索システムの一実施の形態の概略を示す図である。同図において、１（１−１〜１−４）は室内に設置されたセンサノードであり、センサノード１−１はドアＤに、センサノード１−２は椅子Ａに、センサノード１−３は机Ｂに、センサノード１−４は椅子Ｃに取り付けられている。

なお、この例では、センサノード１として、非特許文献４にあるセンサノードを利用する。ここで扱うセンサノード１は、３軸(ＸＹＺ方向)の加速度データ、温度、湿度、照度、人間の近接の有無などを出力する。

図２（ａ），（ｂ），（ｃ），（ｄ）にセンサノード１−１，１−２，１−３，１−４から出力される３軸の加速度データＳ１，Ｓ２，Ｓ３，Ｓ４を示す。本実施の形態では、このセンサノード１−１，１−２，１−３，１−４から出力される３軸の加速度データＳ１，Ｓ２，Ｓ３，Ｓ４をネットワーク３を介して類似状況検索装置２へ与え、センサノード１−１，１−２，１−３，１−４からの加速度データＳ１，Ｓ２，Ｓ３，Ｓ４に基づいて、現在の状況に類似した過去の室内の状況を検索する。この場合、センサノード１−１，１−２，１−３，１−４が、本発明で言うセンサに対応する。

類似状況検索装置２は、プロセッサや記憶装置からなるハードウェアと、これらのハードウェアと協働して各種機能を実現させるプログラムとによって実現され、本実施の形態特有の機能として類似状況検索機能を有している。以下、図３に示す機能ブロック図を参照して、類似状況検索装置２が有する類似状況検索機能について説明する。

〔標準動きベクトル（標準データ）の作成〕
センサノード１−１〜１−４からの加速度データＳ１〜Ｓ４（複数のセンサからの情報）は類似状況検索装置２の情報入力部２Ａに与えられる。情報入力部２Ａは、動き検出モジュール２１−１〜２１−４を備えており、動き検出モジュール２１−１〜２１−４にセンサノード１−１〜１−４からの加速度データ（３軸の加速度データ）Ｓ１〜Ｓ４が与えられる。

動き検出モジュール２１（２１−１〜２１−４）は、センサノード１（１−１〜１−４）から送られてくる３軸の加速度データＳ（Ｓ１〜Ｓ４）の絶対値の和を求め、すなわちＸＹＺの各軸の加速度データの絶対値の和を求め、これをセンサノード１（１−１〜１−４）からのセンサデータとする。

動き検出モジュール２１−１〜２１−４において検出されたセンサデータは類似状況検索部２Ｂへ送られる。類似状況検索部２Ｂは、動きベクトル収集モジュール２２と、動きベクトルデータベース（動きベクトルＤＢ）２３と、標準動きベクトル作成部２４と、観測状況ベクトル作成モジュール２５と、観測状況データベース（観測状況ＤＢ）２６と、類似状況検索モジュール２７とを備えており、動き検出モジュール２１−１〜２１−４からのセンサデータは動きベクトル収集モジュール２２へ与えられる。

動きベクトル収集モジュール２２は、センサノード１−１〜１−４からのセンサデータを所定の時間幅Ｔ（この例では、Ｔ＝１秒）毎に切り出し、その時間幅Ｔ内のセンサデータの値を求める。この実施の形態では、図４に示すように、センサノード１−１〜１−４からのセンサデータに対してしきい値ｔｈ（この例では、ｔｈ＝０．１Ｇ）を定め、時間幅Ｔ内のセンサデータの最大値がしきい値ｔｈ以下あれば、その時間幅Ｔ内のセンサデータの値を０とし、時間幅Ｔ内のセンサデータの最大値がしきい値ｔｈを越えていれば、その最大値を時間幅Ｔ内のセンサデータの値とする。そして、動きベクトル収集モジュール２２は、この時間幅Ｔ内のセンサデータの値を要素とするベクトルを動きベクトルとし、この動きベクトルを観測データとして動きベクトルＤＢ２３に逐次格納する。

なお、この例では、時間幅Ｔを１秒、しきい値ｔｈを０．１Ｇとしたが、これはセンサノード（加速度センサ）の性能、センサノードを取り付ける物体の特性、センサネットワークを設置した環境の特徴に応じて調整するものとする。

標準動きベクトル作成部２４は、動きベクトルＤＢ２３に格納された一定期間の動きベクトル（観測データ）のデータ列をその特徴に基づいて各グループに分類する。そして、分類したグループ毎に、そのグループの動きベクトルを代表するベクトルを標準動きベクトルとして標準動きベクトルデータベース（標準動きベクトルＤＢ）２４Ａに格納する。

本実施の形態において、動きベクトルのデータ列のグループ分けは、非特許文献３に示されているようなクラスタリングによって行う。この場合、動きベクトルＤＢ２３に格納された動きベクトルのデータ列に対して、「xmeans」アルゴリズムを適用し、動きベクトル間のユークリッド距離に従ってクラスタリングを行い、これによって分類された各クラスタの代表ベクトルを各グループの標準動きベクトルとする。

なお、「xmeans」アルゴリズムは非階層的クラスタリングによって分類されるアルゴリズムであり、「k-means 」アルゴリズムの逐次繰り返しとＢＩＣによる分割停止基準を用いることで、情報理論的に最適と考えられるクラスタ数を自動的に決定することができる。

〔類似状況の検索〕
この類似状況検索システムにおいて、類似状況検索装置２は、標準動きベクトルＤＢ２４Ａ内の標準動きベクトルを利用し、次のようにして室内において生じた過去の類似状況を検索する。

実観測時、センサノード１−１〜１−４からの加速度データ（３軸の加速度データ）Ｓ１〜Ｓ４は、類似状況検索装置２の動き検出モジュール２１−１〜２１−４に与えられる。動き検出モジュール２１（２１−１〜２１−４）は、センサノード１（１−１〜１−４）から送られてくる３軸の加速度データＳ（Ｓ１〜Ｓ４）の絶対値の和を求め、これをセンサノード１（１−１〜１−４）からのセンサデータとする。

動き検出モジュール２１−１〜２１−４において検出されたセンサデータは動きベクトル収集モジュール２２へ与えられる。動きベクトル収集モジュール２２は、センサノード１−１〜１−４からのセンサデータを所定の時間幅Ｔ（Ｔ＝１秒）毎に切り出し、上述と同様にして動きベクトル（観測データ）を作成し、この作成した動きベクトルを動きベクトルＤＢ２３に格納する。また、作成した動きベクトルを観測状況ベクトル作成モジュール２５へ送る。

観測状況ベクトル作成モジュール２５は、動きベクトル収集モジュール２２から動きベクトルが送られてくると、標準動きベクトルＤＢ２４Ａ内の各標準動きベクトルとのユークリッド距離を計算し、その距離を要素とする観測状況ベクトルを作成する。すなわち、標準動きベクトルＤＢ内の各標準動きベクトルとの類似度を求め、この標準動きベクトルとの類似度を要素とするベクトルを観測状況ベクトルとする。そして、この作成した観測状況ベクトルをその時の時刻（観測時刻）を付して観測状況ＤＢ２６に格納する。また、その作成した観測状況ベクトルを現時刻の観測状況ベクトルとして類似状況検索モジュール２７へ送る。

類似状況検索モジュール２７は、観測状況ベクトル作成モジュール２５から現時刻の観測状況ベクトルが送られてくると、この観測状況ベクトルと観測状況ＤＢ２６に蓄積されている過去の観測状況ベクトルとの間のユークリッド距離を計算し、距離の近い順に１０件、その観測状況ベクトルおよびその観測状況ベクトルに付されている観測時刻を類似状況の検索結果として出力する。すなわち、現時刻の観測状況ベクトル（今回作成された観測状況ベクトル）とそれまでに作成・記憶されている各観測状況ベクトルとの比較を行い、類似度の高い観測状況ベクトルを上位１０件抽出し、この観測状況ベクトルおよびその観測状況ベクトルに付されている観測時刻を現在の状況に類似した過去の室内の状況として出力する。この例では、類似状況として出力する件数を１０件としたが、出力形式による見易さを鑑みてその件数を変更することにする。

〔実施の形態２〕
図５に本発明に係る類似状況検索システムに用いる類似状況検索装置の別の例を示す。この類似状況検索装置２’では、図３に示した類似状況検索装置２と対比して分かるように、情報入力部２Ａに動き検出モジュール２１−１〜２１−４に代えて加速度特徴量検出モジュール２８−１〜２８−４を設けている。また、類似状況検索部２Ｂに動きベクトル収集モジュール２２に代えて特徴量ベクトル収集モジュール２９を設け、動きベクトルＤＢ２３に代えて特徴量ベクトルＤＢ３０を設け、標準動きベクトル作成部２４に代えて標準特徴量ベクトル作成部３１Ａを設けている。この類似状況検索装置２’では、次のようにして類似状況の検索が行われる。

〔標準特徴量ベクトル（標準データ）の作成〕
センサノード１−１〜１−４からの３軸の加速度データＳ１〜Ｓ４は、類似状況検索装置２’の加速度特徴量検出モジュール２８−１〜２８−４に与えられる。加速度特徴量検出モジュール２８（２８−１〜２８−４）は、センサノード１（１−１〜１−４）から送られてくる３軸の加速度データＳ（Ｓ１〜Ｓ４）を所定の時間幅Ｔ（この例では、Ｔ＝１秒）毎に切り出し、その時間幅Ｔ内のデータに対して高速フーリエ変換を施して、時間幅Ｔ内の加速度データの特徴量を抽出し、特徴量ベクトル収集モジュール２９へ送る。

特徴量ベクトル収集モジュール２９は、加速度特徴量検出モジュール２８−１〜２８−４からの時間幅Ｔ内の加速度データの特徴量を受けて、その特徴量を要素とするベクトルを特徴量ベクトルとして作成し、この特徴量ベクトルを観測データとして特徴量ベクトルＤＢ３０に逐次格納する。

なお、この例では、フーリエ変換の対象となる加速度データの時間幅を１秒としているが、この時間はセンサノード（加速度センサ）の性能、センサノードを取り付ける物体の特性、センサネットワークを設置した環境の特徴に応じて調整するものとする。また、本実施の形態では、高速フーリエ変化により加速度データの特徴量を抽出したが、加速度データの信号波形の特徴を数値列として抽出できる手法であれば、高速フーリエ変換には限定されない。

標準特徴量クトル作成部３１は、特徴量ベクトル３０に格納された一定期間の特徴量ベクトル（観測データ）のデータ列をその特徴に基づいて各グループに分類する。そして、分類したグループ毎に、そのグループの特徴量ベクトルを代表するベクトルを標準特徴量ベクトルとして標準特徴量ベクトルデータベース（標準特徴量ベクトルＤＢ）３１Ａに格納する。

〔類似状況の検索〕
この類似状況検索システムにおいて、類似状況検索装置２’は、標準特徴量ベクトルＤＢ３１Ａ内の標準特徴量ベクトルを利用し、次のようにして室内において生じた過去の類似状況を検索する。

実観測時、センサノード１−１〜１−４からの加速度データＳ１〜Ｓ４は、類似状況検索装置２’の加速度特徴量検出モジュール２８−１〜２８−４に与えられる。加速度特徴量検出モジュール２８（２８−１〜２８−４）は、センサノード１（１−１〜１−４）から送られてくる３軸の加速度データＳ（Ｓ１〜Ｓ４）を所定の時間幅Ｔ（Ｔ＝１秒）毎に切り出し、その時間幅Ｔ内のデータに対して高速フーリエ変換を施して、時間幅Ｔ内の加速度データの特徴量を抽出し、特徴量ベクトル収集モジュール２９へ送る。

特徴量ベクトル収集モジュール２９は、加速度特徴量検出モジュール２８−１〜２８−４からの時間幅Ｔ内の加速度データの特徴量を受けて、上述と同様にして特徴量ベクトルを作成し、この特徴量ベクトルを特徴量ベクトルＤＢ３０に格納する。また、作成した特徴量ベクトルを観測状況ベクトル作成モジュール２５へ送る。

観測状況ベクトル作成モジュール２５は、特徴量ベクトル収集モジュール２９から特徴量ベクトルが送られてくると、標準特徴量ベクトルＤＢ３１Ａ内の各標準特徴量ベクトルとのユークリッド距離を計算し、その距離を要素とする観測状況ベクトルを作成する。すなわち、標準特徴量ベクトルＤＢ３１Ａ内の各標準特徴量ベクトルとの類似度を求め、この標準特徴量ベクトルとの類似度を要素とするベクトルを観測状況ベクトルとする。そして、この作成した観測状況ベクトルをその時の時刻（観測時刻）を付して観測状況ＤＢ２６に格納する。また、その作成した観測状況ベクトルを現時刻の観測状況ベクトルとして類似状況検索モジュール２７へ送る。

類似状況検索モジュール２７は、観測状況ベクトル作成モジュール２５から現時刻の観測状況ベクトルが送られてくると、この観測状況ベクトルと観測状況ＤＢ２６に蓄積されている過去の観測状況ベクトルとの間のユークリッド距離を計算し、距離の近い順に１０件、その観測状況ベクトルおよびその観測状況ベクトルに付されている観測時刻を類似状況の検索結果として出力する。すなわち、現時刻の観測状況ベクトル（今回作成された観測状況ベクトル）とそれまでに作成・記憶されている各観測状況ベクトルとの比較を行い、類似度の高い観測状況ベクトルを上位１０件抽出し、この観測状況ベクトルおよびその観測状況ベクトルに付されている観測時刻を現在の状況に類似した過去の室内の状況として出力する。この例では、類似状況として出力する件数を１０件としたが、出力形式による見易さを鑑みてその件数を変更することにする。

〔実施の形態３〕
図６に本発明に係る類似状況検索システムに用いる類似状況検索装置の別の例を示す。この類似状況検索装置２”では、図５に示した類似状況検索装置２’と対比して分かるように、情報入力部２Ａに加速度特徴量検出モジュール２８−１〜２８−４に代えて特徴量検出モジュール３２−１〜３２−４を設けている。

なお、この実施の形態３において、センサノード１−１〜１−４は加速度データだけではなく、温度データ、湿度データ、照度データ、人間の近接の有無などのセンサデータについても特徴量検出モジュール３２−１〜３２−４へ送るものとする。この類似状況検索装置２”では、次のようにして類似状況の検索が行われる。

〔標準特徴量ベクトル（標準データ）の作成〕
センサノード１−１〜１−４からの加速度データ、照度データ、人間の近接の有無などのセンサデータは、類似状況検索装置２”の特徴量検出モジュール３２−１〜３２−４に与えられる。特徴量検出モジュール３２（３２−１〜３２−４）は、センサノード１（１−１〜１−４）から送られてくるセンサデータを所定の時間幅Ｔ（この例では、Ｔ＝１秒）毎に切り出し、その時間幅Ｔ内のセンサデータに対して高速フーリエ変換を施して、時間幅Ｔ内のセンサデータの特徴量（センサデータ全体の特徴量）を抽出し、特徴量ベクトル収集モジュール２９へ送る。

特徴量ベクトル収集モジュール２９は、特徴量検出モジュール３２−１〜３２−４からの時間幅Ｔ内のセンサデータの特徴量を受けて、その特徴量を要素とするベクトルを特徴量ベクトルとして作成し、この特徴量ベクトルを観測データとして特徴量ベクトルＤＢ３０に逐次格納する。

なお、この例では、フーリエ変換の対象となる加速度データの時間幅を１秒としているが、この時間はセンサノードの性能、センサノードを取り付ける物体の特性、センサネットワークを設置した環境の特徴に応じて調整するものとする。また、本実施の形態では、高速フーリエ変換により加速度データの特徴量を抽出したが、加速度データの信号波形の特徴を数値列として抽出できる手法であれば、高速フーリエ変換には限定されない。

標準特徴量クトル作成部３１は、特徴量ベクトル３０に格納された一定期間の特徴量ベクトル（観測データ）のデータ列をその特徴に基づいて各グループに分類する。そして、分類したグループ毎に、そのグループの特徴量ベクトルを代表するベクトルを標準特徴量ベクトルとして標準特徴量ベクトルデータベース（標準特徴量ベクトルＤＢ）３１Ａに格納する。

〔類似状況の検索〕
この類似状況検索システムにおいて、類似状況検索装置２”は、標準特徴量ベクトルＤＢ３１Ａ内の標準特徴量ベクトルを利用し、次のようにして室内において生じた過去の類似状況を検索する。

実観測時、センサノード１−１〜１−４からの加速度データ、照度データ、人間の近接の有無などのセンサデータは、類似状況検索装置２”の特徴量検出モジュール３２−１〜３２−４に与えられる。特徴量検出モジュール３２（３２−１〜３２−４）は、センサノード１（１−１〜１−４）から送られてくるセンサデータを所定の時間幅Ｔ（Ｔ＝１秒）毎に切り出し、その時間幅Ｔ内のセンサデータに対して高速フーリエ変換を施して、時間幅Ｔ内のセンサデータの特徴量（時間幅Ｔ内のセンサデータ全体の特徴量）を抽出し、特徴量ベクトル収集モジュール２９へ送る。

特徴量ベクトル収集モジュール２９は、特徴量検出モジュール３２−１〜３２−４からの時間幅Ｔ内のセンサデータの特徴量を受けて、上述と同様にして特徴量ベクトルを作成し、この特徴量ベクトルを観測データとして特徴量ベクトルＤＢ３０に格納する。また、作成した特徴量ベクトルを観測状況ベクトル作成モジュール２５へ送る。

観測状況ベクトル作成モジュール２５は、特徴量ベクトル収集モジュール２９から特徴量ベクトルが送られてくると、標準特徴量ベクトルＤＢ３１Ａ内の各標準特徴量ベクトルとのユークリッド距離を計算し、その距離を要素とする観測状況ベクトルを作成する。すなわち、標準特徴量ベクトルＤＢ３１Ａ内の各標準特徴量ベクトルとの類似度を求め、この標準特徴量ベクトルとの類似度を要素とするベクトルを観測状況ベクトルとして作成する。そして、この作成した観測状況ベクトルをその時の時刻（観測時刻）を付して観測状況ＤＢ２６に格納する。また、その作成した観測状況ベクトルを現時刻の観測状況ベクトルとして類似状況検索モジュール２７へ送る。

類似状況検索モジュール２７は、観測状況ベクトル作成モジュール２５から現時刻の観測状況ベクトルが送られてくると、この観測状況ベクトルと観測状況ＤＢ２６に蓄積されている過去の観測状況ベクトルとの間のユークリッド距離を計算し、距離の近い順に１０件、その観測状況ベクトルおよびその観測状況ベクトルに付されている観測時刻を類似状況の検索結果として出力する。すなわち、現時刻の観測状況ベクトル（今回作成された観測状況ベクトル）とそれまでに作成・記憶されている各観測状況ベクトルとの比較を行い、類似度の高い観測状況ベクトルを上位１０件抽出し、この観測状況ベクトルおよびその観測状況ベクトルに付されている観測時刻を現在の状況に類似した過去の室内の状況として出力する。この例では、類似状況として出力する件数を１０件としたが、出力形式による見易さを鑑みてその件数を変更することにする。

なお、上述した実施の形態１〜３で利用する標準データ（標準動きベクトル、標準特徴量ベクトル）は、観測状況ＤＢ２６に観測状況ベクトルを蓄積する前に観測したある一定期間の観測データ（動きベクトル、特徴量ベクトル）に基づく標準データに固定してもよく、観測状況ＤＢ２６への観測状況ベクトルの蓄積を始めた後、一定時間経過した時や観測データの特徴に顕著な差が認められた時に、データベース（動きベクトルＤＢ、特徴量ベクトルＤＢ）に蓄積されている観測データから標準データを作成しなおすようにしてもよい。
前者の場合は、固定された標準データに基づき観測状況ベクトルを表現し、その空間内で状況検索を行うので、実際の検索処理の運用時の処理が簡単となる。
後者の場合は、標準データの再構築に伴い、観測状況ＤＢ２６の再構築も必要となるが、標準データが実際に即したものとなるので、より精度の高い状況検索が可能となる。

〔実施の形態４〕
実施の形態１では、観測状況ベクトル作成モジュール２５において、動きベクトル収集モジュール２２から動きベクトルが送られてくる毎に、標準動きベクトルＤＢ２４Ａ内の各標準動きベクトルとの類似度を求め、この標準動きベクトルとの類似度を要素とするベクトルを観測状況ベクトルとして求めるようにしたが、標準動きベクトルＤＢ２４Ａ内の各標準動きベクトルとの比較を行い、類似度の高い標準動きベクトルを観測状況データとして求めるようにしてもよい。

この場合、観測状況ベクトルの場合と同様にして、観測状況ＤＢ２６に観測時刻を付して観測状況データを逐次記憶する。また、類似状況検索モジュール２７において、今回求められた観測状況データと観測状況ＤＢ２６に蓄積されている各観測状況データとの比較を行い、類似度の高い観測状況データおよびその観測状況データに付されている時刻を類似状況の検索結果として出力する。

〔実施の形態５〕
実施の形態２，３では、観測状況ベクトル作成モジュール２５において、特徴量ベクトル収集モジュール２９から特徴量ベクトルが送られてくる毎に、標準特徴量ベクトルＤＢ３１Ａ内の各標準特徴量ベクトルとの類似度を求め、この標準特徴量ベクトルとの類似度を要素とするベクトルを観測状況ベクトルとして求めるようにしたが、標準特徴量ベクトルＤＢ３１Ａ内の各標準特徴量ベクトルとの比較を行い、類似度の高い標準特徴量ベクトルを観測状況データとして求めるようにしてもよい。

この場合、観測状況ベクトルの場合と同様にして、観測状況ＤＢ２６に観測時刻を付して観測状況データを逐次記憶する。また、類似状況検索モジュール２７において、今回求められた観測状況データと観測状況ＤＢ２６に蓄積されている各観測状況データとの比較を行い、類似度の高い観測状況データおよびその観測状況データに付されている時刻を類似状況の検索結果として出力する。

〔実施の形態６〕
実施の形態６では、上述した実施の形態１〜５において、状況間の遷移確率を表現した確率ネットワーク（図示せず）を設け、類似状況検索モジュール２７が出力する類似状況の検索結果とその系列から確率ネットワークの遷移確率を参照して、次に発生すると予想される状況を推測するようにする。

本発明に係る類似状況検索システムの一実施の形態の概略を示す図である。 室内に設置されたセンサノードからの加速度データを例示する図である。 本発明に係る類似状況検索システムにおける類似状況検索装置（実施の形態１）の機能ブロック図である。 センサデータからの時間幅Ｔ毎のデータの切り出しを説明する図である。 類似状況検索装置の別の例（実施の形態２）を示す機能ブロック図である。 類似状況検索装置の別の例（実施の形態３）を示す機能ブロック図である。

符号の説明

１（１−１〜１−４）…センサノード、２，２’，２”…類似状況検索装置、２Ａ…情報入力部、２Ｂ…類似状況検索部、３…ネットワーク、２１（２１−１〜２１−４）…動き特徴量検出モジュール、２２…動きベクトル収集モジュール、２３…動きベクトルＤＢ、２４…標準動きベクトル作成部、２４Ａ…標準動きベクトルＤＢ、２５…観測状況ベクトル作成モジュール、２６…観測状況ＤＢ、２７…類似状況検索モジュール、２８（２８−１〜２８−４）…加速度特徴量検出モジュール、２９…特徴量ベクトル収集モジュール、３０…特徴量ベクトルＤＢ、３１…標準特徴量ベクトル作成部、３１Ａ…標準特徴量ベクトルＤＢ、Ｓ（Ｓ１〜Ｓ４）…加速度データ、Ａ，Ｃ…椅子、Ｂ…机、Ｄ…ドア。

Claims (6)

1. 環境に設置された複数のセンサと、これらセンサからの情報に基づいて前記環境において生じた過去の類似状況を検索する類似状況検索装置とを備えた類似状況検索システムであって、
   前記類似状況検索装置は、
   前記複数のセンサからの情報より所定の時間幅毎にデータを切り出し、その時間幅内のデータを代表するデータを観測データとして求め、この求めた観測データを逐次記憶する観測データ記憶手段と、
   前記記憶された観測データのデータ列をその特徴に基づいて各グループに分類する分類手段と、
   前記分類されたグループ毎にそのグループの観測データを代表するデータを標準データとして記憶する標準データ記憶手段と、
   前記観測データが求められる毎に、その観測データと前記各グループの標準データとの類似度を求め、この標準データとの類似度を要素とするベクトルを観測状況ベクトルとして作成しその時の時刻を付して逐次記憶すると共に、今回作成した観測状況ベクトルとそれまでに記憶されている各観測状況ベクトルとの比較を行い、類似度の高い観測状況ベクトルおよびその観測状況ベクトルに付されている時刻を類似状況の検索結果として出力する類似状況検索手段と
   を備えることを特徴とする類似状況検索システム。
2. 環境に設置された複数のセンサと、これらセンサからの情報に基づいて前記環境において生じた過去の類似状況を検索する類似状況検索装置とを備えた類似状況検索システムであって、
   前記類似状況検索装置は、
   前記複数のセンサからの情報より所定の時間幅毎にデータを切り出し、その時間幅内のデータを代表するデータを観測データとして求め、この求めた観測データを逐次記憶する観測データ記憶手段と、
   前記記憶された観測データのデータ列をその特徴に基づいて各グループに分類する分類手段と、
   前記分類されたグループ毎にそのグループの観測データを代表するデータを標準データとして記憶する標準データ記憶手段と、
   前記観測データが求められる毎に、その観測データと前記各グループの標準データとの比較を行い、類似度の高い標準データを観測状況データとしてその時の時刻を付して逐次記憶するとともに、今回求められた観測状況データとそれまでに記憶されている各観測状況データとの比較を行い、類似度の高い観測状況データおよびその観測状況データに付されている時刻を類似状況の検索結果として出力する類似状況検索手段と
   を備えることを特徴とする類似状況検索システム。
3. 請求項１又は２に記載された類似状況検索システムにおいて、
   前記類似状況検索装置は、
   さらに、
   状況間の遷移確率を表現した確率ネットワークと、
   前記類似状況検索手段が出力する類似状況の検索結果とその系列から前記確率ネットワークの遷移確率を参照して次に発生すると予想される状況を推測する手段と
   を備えることを特徴とする類似状況検索システム。
4. 環境に設置された複数のセンサと、これらセンサからの情報に基づいて前記環境において生じた過去の類似状況を検索する類似状況検索装置とを備えたシステムにおいて、
   前記複数のセンサからの情報より所定の時間幅毎にデータを切り出し、その時間幅内のデータを代表するデータを観測データとして求め、この求めた観測データを逐次記憶するステップと、
   前記記憶された観測データのデータ列をその特徴に基づいて各グループに分類するステップと、
   前記分類されたグループ毎にそのグループの観測データを代表するデータを標準データとして記憶するステップと、
   前記観測データが求められる毎に、その観測データと前記各グループの標準データとの類似度を求め、この標準データとの類似度を要素とするベクトルを観測状況ベクトルとして作成しその時の時刻を付して逐次記憶すると共に、今回作成した観測状況ベクトルとそれまでに記憶されている各観測状況ベクトルとの比較を行い、類似度の高い観測状況ベクトルおよびその観測状況ベクトルに付されている時刻を類似状況の検索結果として出力するステップと
   を備えることを特徴とする類似状況検索方法。
5. 環境に設置された複数のセンサと、これらセンサからの情報に基づいて前記環境において生じた過去の類似状況を検索する類似状況検索装置とを備えたシステムにおいて、
   前記複数のセンサからの情報より所定の時間幅毎にデータを切り出し、その時間幅内のデータを代表するデータを観測データとして求め、この求めた観測データを逐次記憶するステップと、
   前記記憶された観測データのデータ列をその特徴に基づいて各グループに分類するステップと、
   前記分類されたグループ毎にそのグループの観測データを代表するデータを標準データとして記憶するステップと、
   前記観測データが求められる毎に、その観測データと前記各グループの標準データとの比較を行い、類似度の高い標準データを観測状況データとしてその時の時刻を付して逐次記憶するとともに、今回求められた観測状況データとそれまでに記憶されている各観測状況データとの比較を行い、類似度の高い観測状況データおよびその観測状況データに付されている時刻を類似状況の検索結果として出力するステップと
   を備えることを特徴とする類似状況検索方法。
6. 請求項４又は５に記載された類似状況検索方法において、
   さらに、
   前記類似状況検索ステップが出力する類似状況の検索結果とその系列から、状況間の遷移確率を表現した確率ネットワークの遷移確率を参照して、次に発生すると予想される状況を推測するステップ
   を備えることを特徴とする類似状況検索方法。

Images