JP2009145933A - センサノード制御システム及び方法 - Google Patents

Abstract

【課題】バッテリを用いて駆動するセンサノードにおいて、より多くの有効なデータの即時的な通信を可能にする。
【解決手段】制御データ生成部１０６は、ユーザ行動記憶部１０５に記憶されている一連のユーザ行動（ユーザ行動レコード）をトレーニングデータとして用い、ユーザセンサ部１２０のユーザ状態測定部１２１の電源の制御状態を規定の範囲で変更した場合のユーザの行動状態を推定し、この推定した行動状態（変更ユーザ行動）と、トレーニングデータにおける行動状態（ユーザ行動）とを比較することで、これらの一致率を示す認識率が最大となるようにユーザ状態測定部１２１の電源の制御を行うための制御データを生成し、生成した制御データを制御データ記憶部１０７に記憶する。
【選択図】 図１

Description

本発明は、センサ機能を備えて通信可能とされた複数のセンサノードを制御するセンサノード制御システム及び方法に関するものである。

近年では、牛や馬などの動物（個体）における体温及び動作などの状態を、対象となる個体に所定のセンサを装着して計測した結果を用い、リアルタイムに測定及び推定を行うことが可能となっている。さらに、測定対象の個体だけでなく、当該個体の近傍に存在する他の個体に装着されたセンサが発する通信電波などを感知し、近傍のセンサで計測された値を用い、測定対象の個体の状態推定をより精度良く行うものがある（特許文献１参照）。

特開２００６−３２０２９０号公報 R.O.Duda, P.E.Hart, and D.G.Stork, 監訳：尾上守夫、「パターン識別（Pattern Classification Second Edition）」、John Wiley&Sons、新技術コミュニケーションズ 、２００１年７月３日初版.

ところで、上述したような、個体に装着して用いるウエアラブルセンサあるいはユーザセンサノードと呼ばれるものは、一般には、商用電源を用いることができず、バッテリにより駆動するようにしている。バッテリを用いることで、小型化及び携帯利用が可能となり、移動する個体の状態を計測可能としている。しかしながら、バッテリによる駆動では、高精細な大量のデータを取得して即時的に通信するというより大電力が必要な動作では、バッテリの消耗を早めるため、実用に耐えられない場合がある。

このため、バッテリにより駆動するセンサノードでは、センサの動作時間を制限することになるが、間引かれた測定データでは必要な情報の欠落を引き起こす可能性がある。また、一定期間のデータを蓄積して一括して送信する方法では、即時性を満足することができない。このように、従来のバッテリを用いたセンサノードでは、より多くの有効なデータの即時的な通信に制限があるという問題があった。

本発明は、以上のような問題点を解消するためになされたものであり、バッテリを用いて駆動するセンサノードにおいて、より多くの有効なデータの即時的な通信を可能にすることを目的とする。

本発明に係るセンサノード制御システムは、物体に設けられて物体が受けた操作を検出して自身を識別するための物体ＩＤを送信する物体センサ部と、ユーザに装着されてユーザの状態を測定する状態測定部を備えてこの状態測定部が測定したユーザ状態を送信するユーザセンサ部と、物体センサ部より送信された物体ＩＤ及びユーザセンサ部から送信されたユーザ状態に対応するユーザの行動状態を示す複数のユーザ行動が記憶されたユーザ行動記憶部と、ユーザ行動に対応する状態測定部の制御状態を状態測定部の消費電力が既定値以下となる変更範囲で変更し、変更した制御状態に対応してユーザ状態を変更して得られた複数の変更ユーザ状態をもとに推定した複数の変更ユーザ行動を求め、求めた変更ユーザ行動とユーザ行動との一致率を示す認識率が最大となる変更ユーザ行動が推定される制御状態を変更範囲で求めて生成する制御データ生成部と、この制御データ生成部が生成した制御状態で、ユーザセンサ部を制御するユーザセンサ部制御部とを少なくとも備えるようにしたものである。

上記センサノード制御システムにおいて、制御データ生成部は、ユーザ行動記憶部に記憶されている複数のユーザ行動に対する変更ユーザ状態のパターン認識により、認識率を求める。また、制御データ生成部は、認識率に、対応するユーザ行動毎に重み付けを与えて制御状態を生成する。

また、本発明に係るセンサノード制御方法は、物体が受けた操作を検出するために物体に設けられた物体センサ部から送信された物体センサ部を識別するための物体ＩＤ、及び、ユーザに装着されたユーザセンサ部より送信されたユーザセンサ部の状態測定部が測定しているユーザ状態に対応するユーザの行動状態を示す複数のユーザ行動を記憶する第１ステップと、ユーザ行動に対応する状態測定部の制御状態を状態測定部の消費電力が既定値以下となる変更範囲で変更し、変更した制御状態に対応してユーザ状態を変更して得られた複数の変更ユーザ状態をもとに推定した複数の変更ユーザ行動を求め、求めた変更ユーザ行動とユーザ行動との一致率を示す認識率が最大となる変更ユーザ行動が推定される制御状態を変更範囲で求めて生成する第２ステップと、この第２ステップで生成した制御状態で、ユーザセンサ部を制御する第３ステップとを少なくとも備える方法である。

上記センサノード制御方法において、第２ステップでは、ユーザ行動記憶部に記憶されている複数のユーザ行動に対する変更ユーザ状態のパターン認識により、認識率を求める。また、第２ステップでは、認識率に、対応するユーザ行動毎に重み付けを与えて制御状態を生成する。

以上説明したように、本発明では、ユーザ行動に対応する状態測定部の制御状態を状態測定部の消費電力が既定値以下となる変更範囲で変更し、変更した制御状態に対応してユーザ状態を変更して得られた複数の変更ユーザ状態をもとに推定した複数の変更ユーザ行動を求め、求めた変更ユーザ行動とユーザ行動との一致率を示す認識率が最大となる変更ユーザ行動が推定される制御状態を変更範囲で求めて生成するようにした。この結果、本発明によれば、バッテリを用いて駆動するセンサノードにおいて、より多くの有効なデータの即時的な通信を可能にすることができる。

以下、本発明の実施の形態について図を参照して説明する。図１は、本発明の実施の形態におけるセンサノード制御システムの構成例を示す構成図である。このセンサノード制御システムは、センサノード制御装置１００と、制御対象のセンサノードとなるユーザセンサ部１２０と、他のセンサノードとなる物体センサ部１３０Ａ，１３０Ｂ，１３０Ｃを備える。ユーザセンサ部１２０は、行動などの推定対象となるユーザに装着される。また、物体センサ部は、ユーザの周囲に配置されている物体に取り付けられている。なお、図１では、３つの物体センサ部１３０を備える場合を示しているが、これに限るものではなく、物体センサ部１３０は、４つ以上備えられいてもよく、また、１つであっても良い。

本センサノード制御システムを構成しているセンサノード制御装置１００は、ユーザ行動状態推定部１０１，状態記憶部１０２，送受信部１０３，受信データ記憶部１０４，ユーザ行動記憶部１０５，制御データ生成部１０６，制御データ記憶部１０７，ユーザセンサ制御部１０８，通信制御部１０９，及び入力部１１０を備えている。また、ユーザセンサ部１２０は、ユーザ状態測定部１２１，記憶部１２２，送受信部１２３，及び制御部１２４を備えている。また、物体センサ部１３０Ａは、操作状態検出部１３１，記憶部１３２，送受信部１３３，及び制御部１３４を備えている。なお、物体センサ部１３０Ｂ及び物体センサ部１３０Ｃも、物体センサ部１３０Ａと同様の構成である。

次に、各構成について、より詳細に説明する。

まず、送受信部１０３では、無線通信により受信したデータを受信データ記憶部１０４に記憶する。また、送受信部１０３は、通信制御部１０９の制御により、必要とするデータの送出の指示を送信し、この指示の結果送信されたデータを受信して、受信データ記憶部１０４に記憶する。このようにして受信データ記憶部１０４に記憶されたデータの中より、ユーザ行動状態推定部１０１が、ユーザの状態を示すデータ（ユーザ状態）及び操作を受けた物体を示すデータ（物体ＩＤ）を取り出す。

以上のようにして各データが取り出されると、ユーザ行動状態推定部１０１は、取り出したユーザの状態及び物体ＩＤより、ユーザセンサ部１２０が装着されているユーザを含むこのユーザの環境の状態を推定する。ユーザ行動状態推定部１０１は、上記ユーザの状態及び上記物体ＩＤと、状態記憶部１０２に記憶されているユーザ行動結果（参照データ）とを比較することにより、ユーザの行動の状態を推定する。ユーザ行動結果は、操作者の操作により入力部１１０より入力され、ユーザ行動状態推定部１０１により状態記憶部１０２に記憶されたものである。

例えば、ユーザセンサ部１２０により測定されたユーザ状態及び操作状態が物体センサ部１３０Ａに検出された物体の物体ＩＤと、これらに対応するユーザの行動とが関連付けられた参照データが、状態記憶部１０２に記憶されている。このように記憶されている参照データに対し、得られた物体ＩＤと測定値とを特徴ベクトルとしたパターン認識により、ユーザ行動状態推定部１０１はユーザの行動状態を推定する。このようにして推定されたユーザ行動（推定ユーザ行動）は、ユーザ行動記憶部１０５に記憶される。

次に、制御データ生成部１０６は、ユーザ行動に対応するユーザ状態測定部１２１の制御状態をユーザ状態測定部１２１の消費電力が既定値以下となる変更範囲で変更し、変更した制御状態に対応して既に得られているユーザ状態を変更して得られた複数の変更ユーザ状態をもとに推定した複数の変更ユーザ行動を求め、求めた変更ユーザ行動とユーザ行動との一致率を示す認識率が最大となる変更ユーザ行動が推定される制御状態を変更範囲で求めて生成する。

例えば、制御データ生成部１０６は、ユーザ行動記憶部１０５に記憶されている一連のユーザ行動（ユーザ行動レコード）をトレーニングデータとして用い、ユーザセンサ部１２０のユーザ状態測定部１２１の電源の制御状態を規定の範囲で変更した場合のユーザの行動状態を推定し、この推定した行動状態（変更ユーザ行動）と、トレーニングデータにおける行動状態（ユーザ行動）とを比較することで、これらの一致率を示す認識率が最大となるようにユーザ状態測定部１２１の電源の制御を行うための制御データを生成し、生成した制御データを制御データ記憶部１０７に記憶する。

また、ユーザセンサ制御部１０８は、制御データ記憶部１０７に記憶された制御データを用い、例えば、この制御データを送信することで、ユーザセンサ部１２０におけるユーザ状態測定部１２１の電源を制御する。

なお、センサノード制御装置１００は、例えば、ＣＰＵと主記憶装置と外部記憶装置とネットワーク接続装置となどを備えたサーバ（コンピュータ機器）であり、主記憶装置に展開されたプログラムによりＣＰＵが動作することで、上述した各機能が実現される。また、各機能は、複数のコンピュータ機器に分散させるようにしてもよい。例えば、送受信部１０３は、シリアルポート，パラレルポート，ＬＡＮ（Local Area Network），ＵＳＢ（Universal Serial Bus），ＣＦ（Compact Flash）インタフェースなどのインタフェースを介して接続されていても良い。

次に、ユーザセンサ部１２０において、ユーザ状態測定部１２１は、例えば、ユーザの腕の筋肉が発生する電位（筋電位）などのユーザ（人体）の状態を測定する。ユーザ状態測定部１２１に測定されたユーザの状態（ユーザ状態）は、制御部１２４に制御されている送受信部１２３により、センサノード制御装置１００に対して送出される。また、記憶部１２２には、ユーザセンサ部１２０及びユーザセンサ部１２０が装着されているユーザを識別するための識別情報などが記憶されている。

ユーザセンサ部１２０は、例えば、センサノード制御装置１００からのデータ送出指示を送受信部１２３が受け付けると、制御部１２４の制御により、記憶部１２２に記憶されている識別情報と共に、ユーザ状態測定部１２１が測定しているユーザ状態を、センサノード制御装置１００に対して送信する。

また、ユーザセンサ部１２０においては、センサノード制御装置１００（ユーザセンサ制御部１０８）より受け付けた制御データをもとに、制御部１２４がユーザ状態測定部１２１の電源を制御する。

なお、ユーザ状態測定部１２１は、筋電位の測定に限るものではなく、対象となる（装着されている）ユーザの心拍，脈拍，血流，血中飽和酸素濃度，心電，皮膚温度，皮膚導電率，脳波などの生体情報を測定するセンサであればよい。また、ユーザ状態測定部１２１は、例えば、加速度センサや、足の裏に加わる圧力の分布を測定する足圧センサであっても良い。

また、ユーザセンサ部１２０は、例えば衣服に取り付けられている状態，リストバンド型，腕時計型などの、可能な範囲で違和感の低減された状態で装着可能な形態（形状）であることが望ましい。また、ユーザセンサ部１２０は、ユーザに装着されて携帯されるため、図示していないが、電池を備え、電池により駆動される。また、送受信部１２３は、無線通信によりセンサノード制御装置１００（送受信部１０３）と通信を行うものであり、無線通信としては、例えば、無線ＬＡＮ，特定小電力無線，微弱無線，「ＺｉｇＢｅｅ」（登録商標），及び「Ｂｌｕｅｔｏｏｔｈ」（登録商標）などを用いればよい。

次に、物体センサ部１３０Ａにおいて、操作状態検出部１３１は、例えば、物体センサ部１３０Ａが設けられている物体をユーザが持つなど、ユーザにより当該物体が操作を受けた状態（操作状態）を検出する。操作状態検出部１３１に操作状態が検出されると、制御部１３４は、記憶部１３２に記憶されている物体ＩＤを、送受信部１３３によりセンサノード制御装置１００に対して送出する。なお、記憶部１３２には、物体センサ部１３０Ａ及び物体センサ部１３０Ａが設置されている物体を識別するための識別情報（物体ＩＤ）が記憶されている。

操作状態検出部１３１は、対象となる物体に対するユーザの接触を検出する接触センサや、当該物体の振動を検出する振動センサなどであればよい。また、対象となる物体が、例えば家庭で用いられる電気機器や電子機器の場合、これらの操作の状態を検出するセンサであっても良い。また、送受信部１３３は、前述同様であり、無線通信によりセンサノード制御装置１００（送受信部１０３）と通信を行うものであり、無線通信としては、例えば、無線ＬＡＮ，特定小電力無線，微弱無線，「ＺｉｇＢｅｅ」（登録商標），及び「Ｂｌｕｅｔｏｏｔｈ」（登録商標）などを用いればよい。なお、物体センサ部１３０Ａは、設置される物体が移動する場合は、電池により駆動されるようにすればよい。また、物体センサ部１３０Ａは、設置される物体が、上記電気機器など家庭内に固定されて配置されている場合、商用電源により駆動するようにしても良い。なお、物体センサ部１３０Ｂ，物体センサ部１３０Ｃも、物体センサ部１３０Ａと同様である。

ここで、状態記憶部１０２に記憶されている参照データについて説明する。状態記憶部１０２は、ユーザセンサ部１２０により測定されたユーザ状態及び操作状態が物体センサ部１３０Ａに検出された物体の物体ＩＤと、これらに対応するユーザの行動とが関連付けられた参照データを予め記憶している。参照データは、図２に例示するように、ユーザ状態測定部１２１に測定されたユーザのある部位の筋肉の筋電位１（第１測定値），他の部位の筋肉の筋電位２（第２測定値），及び操作状態が操作状態検出部１３１に検出された物体ＩＤに対し、これらが測定及び検出されたときに観測されたユーザの行動とが関連付けられている。

例えば、筋電位１の値「ａ１」、筋電位２の値「ａ２」，及び物体ＩＤが「ｙ」に対し、ユーザは該当する物体を「手に取る」という行動が関連付けられている。例えば、物体ＩＤ「ｙ」は、物体センサ部１３０Ａの識別子であり、物体ＩＤ「ｚ」は、物体センサ部１３０Ｂの識別子であり、物体ＩＤ「ｑ」は、物体センサ部１３０Ｃの識別子である。なお、筋電位の値は、平滑フィルタ処理された筋電位センサの値をアナログデジタル変換し、ある一定のサンプリング周期でサンプリングし、得られた筋電位データをある一定期間で積分したものであり、ある一定期間における筋力の大きさと考えることができる。

次に、本実施の形態のセンサノード制御システム（ユーザ行動記憶部１０５，制御データ生成部１０６）による、制御データの生成についてより詳細に説明する。まず、図３に示すように、１３個の物体センサ部Ａ〜Ｍが配置された環境を考える。この環境において、領域αに５個の物体センサ部Ａ〜Ｅ配置され、領域βに５個の物体センサ部Ｆ〜Ｊ配置され、領域γに３個の物体センサ部Ｋ〜Ｍ配置されている。各物体センサ部は、例えば各領域に設置されている家具や生活品に装着されている。

この中で、ユーザセンサ部１２０を装着したユーザが行動をする。ユーザセンサ部１２０は、ユーザ状態測定部１２１として、例えば２つの筋電位センサを備え、各筋電位センサはユーザの腕における所定の筋肉において発生する電位を測定している。筋電位センサの測定値により、ユーザによる腕の動作が測定できる。また、各物体センサ部は、ユーザによる接触を検出する接触センサ、ユーザの接近を検出する人感センサなどを、操作状態検出部として備えている。

例えば、ユーザが毎日生活する場所や、高い頻度で手に取る生活品などに、各物体センサ部を装着する。例えば、図３に示す例では、物体センサ部Ｄ，物体センサ部Ｊ，及び物体センサ部Ｍが、ユーザの接近を検出する人感センサを備えているものとし、家具などに取り付けられているものとする。また、他の物体センサは、接触センサを備えているものとし、例えば、ユーザが手にとって使用しまた移動することが可能な生活品に取り付けられているものとする。

上述したように設けられた各物体センサ部及びユーザセンサ部１２０から送出された物体ＩＤ及びユーザ状態は、センサノード制御装置１００で受信され、受信されたデータをもとにユーザ行動状態推定部１０１でユーザの行動が推定され、推定されたユーザ行動（ユーザ行動レコード）が、ユーザ行動記憶部１０５に記憶される。このようにして記憶された複数のユーザ行動レコードが、制御データ生成部１０６においてトレーニングデータとして用いられる。

ここで、ユーザ行動記憶部１０５に記憶されるユーザ行動レコードの一例を、図４を用いて説明する。図４に示すユーザ行動レコードの例では、まず、ユーザは、物体センサ部Ａ，物体センサ部Ｂ，物体センサ部Ｃ，物体センサ部Ｆ，物体センサ部Ｇ，物体センサ部Ｈ，物体センサ部Ｉ，物体センサ部Ｋ，物体センサ部Ｌの順に、これらが取り付けられている生活品に接触したことが示されている。また、物体センサ部Ｄからの信号（物体ＩＤの送出）の有無により、ユーザが領域αに存在していることがわかる。また、領域αにおいて、ユーザが、物体センサ部Ａ，物体センサ部Ｂ，物体センサ部Ｃ，物体センサ部Ｆが取り付けられている生活品に接触したことがわかる。

また、ユーザセンサ部１２０からのユーザ状態（２つの筋電位測定結果）により、例えば、ユーザは、物体センサ部Ｂが取り付けられている生活品を、手にとって持ち上げたなどの行動が推定される。例えば、点線で囲う各領域におけるユーザ状態及び物体センサ部からの信号（物体ＩＤ）の組により、着目すべきユーザの行動が推定される。このようにして推定された行動に、対応する各ユーザ状態及び物体センサ部からの物体ＩＤが組み合わされてユーザ行動が構成され、これら複数ユーザ行動から１つのユーザ行動レコードが構成されている。図４では、ユーザによる１連の行動の中に、例えば、「ｖｖｖ」，「ｘｘｘ」，「ｙｙｙ」，「ｚｚｚ」で示される４つの行動が含まれていることを示している。また、行動に、物体センサ部からの物体ＩＤのみが組み合わされ、ユーザ状態が含まれていないユーザ行動もある。

上述したようにすることで得られたユーザ行動レコードをトレーニングデータとし、制御データ生成部１０６は、制御データを生成する。以下、図５のフローチャートを用いて、制御データ生成部１０６の動作例を説明する。まず、制御データ生成部１０６は、ユーザセンサ部１２０における制御パターンａ（ｎ）を選択する（ステップＳ５０１）。制御パターンは、ユーザセンサ部１２０のユーザ状態測定部１２１の電源制御を行うパターンであり、ここでは、筋電位センサのオンオフ制御の組み合わせである。制御パターンは、ユーザ状態測定部１２１の数をｈとすると、２^h通りある。ここでは、２つの筋電位センサを用いており、４つの制御パターンａ（１），制御パターンａ（２），制御パターンａ（３），制御パターンａ（４）がある。

次に、制御データ生成部１０６は、ユーザ行動記憶部１０５に記憶されている複数のユーザ行動レコードより、１つのユーザ行動レコードをトレーニングデータとして選択する（ステップＳ５０２）。前述したように、トレーニングデータには連続した複数のユーザ行動が含まれており、また、これらがどの様な行動であるかが、既に推定されて既知となっている。また、各ユーザ行動には、既知となっている行動とともに、前述したように、ユーザセンサ部からの出力としてのユーザ状態及び物体センサ部からの出力としての物体ＩＤが組み合わされている。

次に、制御データ生成部１０６は、選択したトレーニングデータの中の２番目以降のユーザ行動を順次に選択する（ステップＳ５０３）。この後、制御データ生成部１０６は、選択したユーザ行動に含まれるユーザセンサ部の出力より、選択されている制御パターンａ（ｎ）に対応し、電源オンとされる対象の筋電位センサの測定値を選択し、これを制御パターンａ（ｎ）で制御されている状態のユーザセンサ部の出力ｕ_tとする。また、制御データ生成部１０６は、選択したユーザ行動に含まれる物体センサ部からの物体ＩＤを、物体センサ部の出力ｅ_tとする（ステップＳ５０４）。

以上のことを、選択したトレーニングデータの中の、２番目以降の全てのユーザ行動に対して行う（ステップＳ５０５）。次いで、これらのことを、ユーザ行動記憶部１０５に記憶されている全てのユーザ行動レコード（トレーニングデータ）に対して行う（ステップＳ５０６）。

設定した制御パターンにおいて、全てのトレーニングデータより、対象となる全ての行動データより、複数の（ｅ_t，ｕ_t）を抽出した後、まず、所定のパターン認識法により、抽出した全ての組の（ｅ_t，ｕ_t）を用い、行動データ毎に新たに対応させた（ｅ_t，ｕ_t）でこの行動ｔ’（変更ユーザ行動）を推定し、推定した行動ｔ’とトレーニングデータにおける対応する行動ｔとの一致率を示す認識率を行動毎に求める。このようにして求めた認識率を、１つ前の行動に対応する（ｅ_t-1，ｕ_t-1）において設定した制御（制御パターンａ（ｎ））をした場合における行動ｔを推定した性能とする（ステップＳ５０７）。ここで、各行動に重み付けを設定し、これを認識率に乗じて性能としてもよい。このようにして求める性能は、設定した制御パターンａ（ｎ）によるユーザセンサ部（ユーザ状態測定部）の制御の結果として得られる行動の推定が、どの程度有効であるかを測る尺度である。上述したように、パターン認識により求めた認識率に基づく性能は、複数の行動の中で、対象の行動をどの程度明瞭に区別できるかということを表す量である。

以上のことを、全ての制御パターンａ（ｎ）について行う（ステップＳ５０８）。この結果、以下の表１に一部を示すように、各物体センサ部からの出力（物体ＩＤ），ユーザセンサ部の各センサの制御状態に対する認識率，重み付けを乗じた性能，対応する制御をした場合のユーザセンサ部における消費電力、及び対応する行動を１つのレコードとしたテーブルが生成される。表１においては、まず、消費電力として、オンとされている筋電位センサの数を用いている。また、表１においては、行動ｖｖｖ及び行動ｘｘｘは、重要ではないので重み付けを０．１としている。また、行動ｙｙｙは、重み付けを１とし、行動ｚｚｚは、重要として重み付けを２としている。

このようにして得られたテーブルより、制御データ生成部１０６は、より的確に行動が推定（認識）できる範囲で消費電力が抑制できる最適な制御パターンを、行動毎に決定することで制御データを生成し、生成した制御データを制御データ記憶部１０７に記憶させる。言い換えると、Ｔ個の行動を備えた一連のユーザ行動レコード（トレーニングデータ）において、消費電力の合計が、規定値の範囲内で性能の合計が最大となる制御パターンを、上述した最適なパターンとする。

すなわち、Ｔ個の行動の各行動ｔにおいて求めた性能をｒ_tとし、また、各行動ｔにおける消費電力をｃ_tとし、また、消費電力の合計の範囲を規定する規定値をｂとし、「（ｃ₁＋ｃ₂＋・・・＋ｃ_t＋・・・＋ｃ_T）／Ｔ≦ｂ・・・（１）」を満たした上で、「（ｒ₁＋ｒ₂＋・・・＋ｒ_t＋・・・＋ｒ_T）／Ｔ・・・（２）」が最大となる制御パターンの組み合わせを求めればよい。

これを計算するためには、ユーザセンサ部のユーザ状態測定部を制御する制御パターンの数をｘ、行動パターンの数をＴとしてｘ^T通りの組み合わせを考え、この中で、式（１）を満足し、かつ式（２）を最大とする組み合わせを求めればよい。組み合わせの数が多くなる場合は、まず、式（２）が最大となる組み合わせを求め、式（１）を満たすように組み合わせを変更していく方法が考えられる。

このようにして得られた制御パターンの組み合わせからなる制御データの例（一部）を以下の表２に示す。なお、ここでは、Ｔ＝１３，ｂ＝１とした。

以上のようにして作製した制御データを用い、ユーザセンサ制御部１０８は、図６に示すように、ユーザセンサ部１２０を制御する。まず、例えば物体センサ部１３０Ａからの出力（物体ＩＤ「Ａ」）およびユーザセンサ部１２０からの出力を受信すると、ユーザの行動を推定し（ステップＳ６０１）、推定したユーザ行動に対応する制御パターンを制御データより選択して決定する（ステップＳ６０２）。この後、決定した制御パターンをユーザセンサ部１２０に通知（送出）することで、ユーザセンサ部１２０を制御する（ステップＳ６０３）。制御パターンが通知されたユーザセンサ部１２０では、制御部１２４が、通知された制御パターンによりユーザ状態測定部１２１の電源状態（オン・オフ）を制御する。

上述したように制御する本実施の形態のセンサノード制御システムによれば、ユーザセンサ部におけるユーザ状態測定部の消費電力の合計を所定の値以下にした制御状態で、ユーザの行動推定結果の有効性が最も高くなるような、ユーザセンサ部（ユーザ状態測定部）を制御するようにした。この結果、有効性が高い行動の推定をするために有効なより多くのデータが、消費電力を抑えた状態で即時的に得られるようになる。従って、バッテリを用いて駆動するユーザセンサ部（センサノード）において、より多くの有効なデータの即時的な通信が可能となる。

ここで、性能を求める際に用いた重み付けについて、簡単に説明する。重み付けは、行動の重要度に従って設定すればよい。例えば、ユーザが何をしているかをより確実に推定したい場合や、物（生活品）がどの様な状態にあるかをより確実に推定したい場合、対応する行動の重み付けを大きくし、これらの状態の推定があまり重要ではない場合、重み付けを小さくすればよい。

次に、パターン認識について簡単に説明する。パターン認識としては、最近隣法やニューラルネットワーク、及びサポートベクトルマシンなどの方法を用いればよい（非特許文献１参照）。パターン認識として最近隣法を用いた場合について説明すると、まず、ある未知のカテゴリ（行動）に属するベクトルＸ＝（ａ₁，ａ₂，・・・，ａ_I ）^Tのカテゴリを推定するために、カテゴリが既知であるｎ個の一連のベクトルＸ₁，Ｘ₂，・・・，Ｘ_Nとのベクトル間距離を計算し、最も距離の小さいｋ個のベクトルのカテゴリの中で最も多いカテゴリに推定する。

次に、ユーザ行動状態推定部１０１の動作例について簡単に説明する。例えば、物体センサ部１３０Ａが取り付けられている物体が、持ち上げられるなどの所定の操作を受けると、図７のフローチャートに示すように、物体センサ部１３０Ａの操作状態検出部１３１が、受けた操作を検出する（ステップＳ７０１）。操作状態検出部１３１が操作を検出すると、制御部１３４の制御により、送受信部１３３が、記憶部１３２に記憶されている物体ＩＤを、センサノード制御装置１００（送受信部１０３）に送信する（ステップＳ７０２）。

物体センサ部１３０Ａより送信された物体ＩＤがセンサノード制御装置１００の送受信部１０３に受信されると（ステップＳ７０３）、この状態を検出した通信制御部１０９の制御により、受信した物体ＩＤを受信した時刻の情報と共に受信データ記憶部１０４に記憶する（ステップＳ７０４）。また、通信制御部１０９は、上記データを受信データ記憶部１０４に記憶すると、送受信部１０３を制御し、ユーザセンサ部１２０に対して測定値の送信の指示を送信する（ステップＳ７０５）。

測定値送信の指示がユーザセンサ部１２０の送受信部１２３で受け付けられると、制御部１２４は、ユーザ状態測定部１２１で測定されているユーザ状態の測定値（筋電位）を、送受信部１２３よりセンサノード制御装置１００に対して送信する（ステップＳ７０６）。ユーザセンサ部１２０より送信された測定値がセンサノード制御装置１００の送受信部１０３に受信されると（ステップＳ７０７）、この状態を検出した通信制御部１０９の制御により、受信した測定値を受信データ記憶部１０４に記憶する（ステップＳ７０８）。

以上のようにして、物体ＩＤ及び測定値が受信データ記憶部１０４に記憶されると、ユーザ行動状態推定部１０１は、これら測定値と物体ＩＤとの情報をもとに、状態記憶部１０２に記憶されている参照データを参照することで、ユーザの行動状態を推定する（ステップＳ７０９）。得られた測定値と物体ＩＤとをもとに、この組みに対応するものとして状態記憶部１０２より取り出したユーザの行動が、ユーザ状態を推定した結果となる。

次に、得られた物体ＩＤや測定値などと、状態記憶部１０２に記憶されている参照データとを用いたユーザの行動状態の推定について、より詳細に説明する。例えば、ユーザ行動状態推定部１０１は、得られた物体ＩＤと測定値とを特徴ベクトルとしたパターン認識により、参照データよりユーザの行動状態を推定する。このパターン認識には、前述したパターン認識と同様に、最近隣法，ニューラルネットワーク，及びサポートベクトルマシンなどの方法を用いることができる。

以下では、行動の推定のためのパターン認識の例としてニューラルネットワークを利用した場合について説明する。まず、ユーザの行動状態やユーザに操作された物体の物体ＩＤによるカテゴリｃを、「ｃ~＝ｆ（Ｘ，Ｗ），Ｘ＝（ａ₁，ａ₂，・・・，ａ_i，ｙ）^T，Ｗ＝（ｗ₁，ｗ₂，・・・，ｗ_i）^T・・・（１）」と定める。これは、カテゴリｃを非線形関数で構成する場合である。ここで、ｃ~は、ユーザの行動状態やユーザにより操作された物体ＩＤのカテゴリを数値化したものであり、例えば、「ユーザｘが物体ｙを手に取る」という行動は１、「ユーザｘが物体ｙを置く」という行動は２とするなど、ｆ（Ｘ，Ｗ）は、ＸとＷの非線形関数、Ｗは係数ベクトル，ａ₁，ａ₂，・・・，ａ_iは、ｉ個のユーザセンサ部による測定値及び物体センサ部により得られる値、ｙは数値化された物体ＩＤである。ここでは、操作される物体は１つとしたが、複数でもよく、この場合は、物体ＩＤが複数となる。

係数ベクトルＷは、ある期間のトレーニングデータＸ，ｃ，ｃ~を用いて決定する。この決定について図８のフローチャートを用いて説明する。まず、ユーザセンサ部による測定値（ユーザ状態データ）及び物体センサ部により得られる値（物体ＩＤ）によりベクトルＸを構成する（ステップＳ８０１）。

次に、ニューラルネットワークによって推定したカテゴリ値ｃ~と実際のカテゴリ値ｃとの誤差としてこれら差を自乗和した「Ｅ＝１／２Σ（ｃ~−ｃ）²・・・（２）」を算出し（ステップＳ８０２）、算出した誤差を用いて「ｄΕ／ｄＷ＝Σ（ｃ~−ｃ）・∂ｆ（Ｘ，Ｗ）／∂Ｗ・・・（３）」を計算し（ステップＳ８０３）、「Ｗ＝Ｗ＋ΔＷ，ΔＷ＝−αｄΕ／ｄＷ・・・（４）」により、係数ベクトルＷを更新する（ステップＳ８０４）。なお、αは正の実数であり、ΔＷはＷの更新量である。

次いで、ステップＳ８０２で算出したΕが、予め設定されている値εよりも小さい場合、ステップＳ８０４で更新された係数ベクトルＷを、状態推定のために用いるユーザの行動状態及び物体ＩＤによるカテゴリｃの係数ベクトルＷと決定する。このようにして決定された係数ベクトルＷを用いた式（１）により、ニューラルネットワークによりカテゴリ値ｃ~を推定すればよい。

ところで、同じ物体を対象とした操作を行う場合でも、物体に設置された物体センサ部より送信されるデータは同じ物体ＩＤとなるが、この物体ＩＤの送信の結果、ユーザセンサ部より得られる測定値、例えば筋電位は、物体に対する異なる操作の状態を反映したものとなる。従って、ユーザセンサ部より得られるユーザ状態の測定値（筋電位）のパターンにより、ユーザがどの物体をどの様に操作したかを示す行動が、本実施の形態におけるユーザ行動状態推定部１０１により推定できる。

例えば、図９に示すように、ユーザセンサからの筋電位１及び筋電位２の測定結果（ａ１，ａ２）と、物体センサからの物体ＩＤ（ｙ）との組み合わせを特徴ベクトルとし、データベースを用いたパターン認識により、「ユーザが物体ｙを手に取った」という行動が推定できる。また、同じ物体ｙを対象とした行動であっても、ユーザセンサで測定される筋電位１及び筋電位２の測定結果の違い（ａ３，ａ４）により、「ユーザが物体ｙを置いた」という行動が推定できる。また、これらのことが、物体センサからの物体ＩＤを受け付けた時刻の情報をもとにすることで、どの時刻でなされたかも推定できる。

本発明の実施の形態におけるセンサノード制御システムの構成例を示す構成図である。 状態記憶部１０２に記憶されている参照データの構成例を示す構成図である。 １３個の物体センサ部Ａ〜Ｍが配置された環境を説明する説明図である。 ユーザ行動記憶部１０５に記憶されるユーザ行動レコードの一例を示す説明図である。 本実施の形態におけるセンサノード制御システムの動作例を説明するためのフローチャートである。 本実施の形態におけるセンサノード制御システムの動作例を説明するためのフローチャートである。 実施の形態のセンサノード制御システムにおけるユーザ行動状態推定部１０１の動作例について説明する説明図である。 ユーザの行動状態及び物体ＩＤによるカテゴリｃを示す式における係数ベクトルＷの決定について説明するフローチャートである。 状態推定の例を示す説明図である。

符号の説明

１００…センサノード制御装置、１０１…ユーザ行動状態推定部、１０２…状態記憶部、１０３…送受信部、１０４…受信データ記憶部、１０５…ユーザ行動記憶部、１０６…制御データ生成部、１０７…制御データ記憶部、１０８…ユーザセンサ制御部、１０９…通信制御部、１１０…入力部、１２０…ユーザセンサ部、１２１…ユーザ状態測定部、１２２…記憶部、１２３…送受信部、１３０Ａ，１３０Ｂ，１３０Ｃ…物体センサ部、１３１…操作状態検出部、１３２…記憶部、１３３…送受信部、１３４…制御部。

Claims (6)

1. 物体に設けられて前記物体が受けた操作を検出して自身を識別するための物体ＩＤを送信する物体センサ部と、
   ユーザに装着されて前記ユーザの状態を測定する状態測定部を備えてこの状態測定部が測定したユーザ状態を送信するユーザセンサ部と、
   前記物体センサ部より送信された前記物体ＩＤ及び前記ユーザセンサ部から送信された前記ユーザ状態に対応する前記ユーザの行動状態を示す複数のユーザ行動が記憶されたユーザ行動記憶部と、
   前記ユーザ行動に対応する前記状態測定部の制御状態を前記状態測定部の消費電力が既定値以下となる変更範囲で変更し、変更した制御状態に対応して前記ユーザ状態を変更して得られた複数の変更ユーザ状態をもとに推定した複数の変更ユーザ行動を求め、求めた変更ユーザ行動と前記ユーザ行動との一致率を示す認識率が最大となる変更ユーザ行動が推定される前記制御状態を前記変更範囲で求めて生成する制御データ生成部と、
   この制御データ生成部が生成した制御状態で、前記ユーザセンサ部を制御するユーザセンサ部制御部と
   を少なくとも備えることを特徴とするセンサノード制御システム。
2. 請求項１記載のセンサノード制御システムにおいて、
   前記制御データ生成部は、前記ユーザ行動記憶部に記憶されている複数のユーザ行動に対する前記変更ユーザ状態のパターン認識により、前記認識率を求める
   ことを特徴とするセンサノード制御システム。
3. 請求項１又は２記載のセンサノード制御システムにおいて、
   前記制御データ生成部は、
   前記認識率に、対応するユーザ行動毎に重み付けを与えて前記制御状態を生成する
   ことを特徴とするセンサノード制御システム。
4. 物体が受けた操作を検出するために前記物体に設けられた物体センサ部から送信された前記物体センサ部を識別するための物体ＩＤ、及び、ユーザに装着されたユーザセンサ部より送信された前記ユーザセンサ部の状態測定部が測定しているユーザ状態に対応する前記ユーザの行動状態を示す複数のユーザ行動を記憶する第１ステップと、
   前記ユーザ行動に対応する前記状態測定部の制御状態を前記状態測定部の消費電力が既定値以下となる変更範囲で変更し、変更した制御状態に対応して前記ユーザ状態を変更して得られた複数の変更ユーザ状態をもとに推定した複数の変更ユーザ行動を求め、求めた変更ユーザ行動と前記ユーザ行動との一致率を示す認識率が最大となる変更ユーザ行動が推定される前記制御状態を前記変更範囲で求めて生成する第２ステップと、
   この第２ステップで生成した制御状態で、前記ユーザセンサ部を制御する第３ステップと
   を少なくとも備えることを特徴とするセンサノード制御方法。
5. 請求項４記載のセンサノード制御方法において、
   前記第２ステップでは、前記ユーザ行動記憶部に記憶されている複数のユーザ行動に対する前記変更ユーザ状態のパターン認識により、前記認識率を求める
   ことを特徴とするセンサノード制御方法。
6. 請求項１又は２記載のセンサノード制御方法において、
   前記第２ステップでは、
   前記認識率に、対応するユーザ行動毎に重み付けを与えて前記制御状態を生成する
   ことを特徴とするセンサノード制御方法。

Images