JP2012044449A - センサノード、センサデータ処理方法、およびプログラム - Google Patents
センサノード、センサデータ処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2012044449A JP2012044449A JP2010184130A JP2010184130A JP2012044449A JP 2012044449 A JP2012044449 A JP 2012044449A JP 2010184130 A JP2010184130 A JP 2010184130A JP 2010184130 A JP2010184130 A JP 2010184130A JP 2012044449 A JP2012044449 A JP 2012044449A
- Authority
- JP
- Japan
- Prior art keywords
- data
- series
- sensor
- approximate
- sequence
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Selective Calling Equipment (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
【解決手段】系列分割部14Bで、センサデータ系列を部分データ系列に分割し、行列計算部14Cで、これら部分データ系列を一定数まとめて得られた処理データ系列を特異値分解することにより、部分データ系列に共通する複数の基底系列を計算し、これら基底系列のうちセンサデータの復元に対する寄与度の高いものから順に、基底系列を近似した近似基底系列として所定の基準数だけ選択し、得られた近似基底系列に基づいて部分データ系列ごとに、近似基底系列の線形加重和で当該部分データ系列を求めるための近似係数系列を計算し、無線通信部12で、処理データ系列の近似基底系列および近似係数系列を、元となるセンサデータの圧縮データとして無線通信により送信する。
【選択図】 図1
Description
このようなセンサネットワークでは、多数のセンサから同時にセンサデータを収集することができれば、高精細な監視や詳細な分析などより高度なアプリケーションを実現できる。
[センサノード間のセンサデータの類似性]
近接して設置されたセンサノード間では、発生したセンサデータの系列は高い類似性を持つ。例えば温度やガスは壁などで空間が区切られない限りはセンサデータはほぼ一様に分布し、物の動きを加速度センサで測定する場合には同じ物についているセンサからは相関のあるデータが発生する。複数のセンサノードからのデータの間に類似性があるのであれば、類似の部分をまとめることで、データ量を大幅に削減できる。
センサデータには周期性がある。温度や湿度は一日の周期で変化し、人が身に着けた加速度センサの値は人が歩くなど同じ動作を繰り返せば周期性のある変化をする。周期的にデータが繰り返されるのであれば、繰り返される部分をまとめて圧縮することで、効率のよい通信が実現できる。
センサデータの特徴を活かしたデータ処理に関しては、これまでにもさまざまな手法が実現されている。例えば、非特許文献1では、複数のセンサデータ間の類似性を活かして、データ量を削減している。回帰分析の技術を用いて、基底となる信号に対する係数値で新たに発生したデータを表現し、データの大幅な圧縮を図っている。
さらに、非特許文献3では、階層的なネットワーク上で、データをSUM、AVG、COUNT、MIN、MIX といった関数に要約する手法が提案されている。
・木構造のネットワークトポロジを採用すると、センサノードの数が増えたときにスケーラビリティが高い。
・隣接するセンサノードでクラスタを生成すると、クラスタ内の通信は微弱な電波を送信するだけで十分に通信が到達するため、電力の消費量を抑えられる。
・クラスタ内の通信は送信電力を抑えるなど、無線通信範囲を適切に調整することによって、電波の衝突の確率を下げることができる。これによって、電波の衝突による再送を防ぎ、それぞれのセンサノードの通信機会が増加し、効率よく通信できるようになる。
また、非特許文献1の手法はネットワークのトポロジに関しては議論されておらず、階層的なネットワークで多数のセンサノードからの集約に有効であるかは不明である。
また、非特許文献2の手法は、関連性が非常に高いセンサデータばかりであれば効率よくデータ収集が行えるが、さまざまな類似したデータが存在するときにどのようにデータを圧縮するべきであるかという点については議論されていない。
また、非特許文献3の手法は、ネットワークの階層性を活かして大幅にデータ量を削減することで、要約のためのセンサデータを収集できるが、対応する関数以外のデータを必要とするアプリケーションに対応できるかは明らかではない。
また、基地局では、各センサノードから通知されたデータの量が少ないにもかかわらず、小さな誤差で元のデータを復元できる。また、データ復元時には、近似基底系列と近似計数系列とを掛け合わせるという、極めて簡素な演算処理で元のデータを復元でき、基地局での処理負担を軽減できる。
[第1の実施の形態]
まず、図1を参照して、本発明の第1の実施の形態にかかるセンサノードについて説明する。図1は、第1の実施の形態にかかるセンサノードの構成を示すブロック図である。
このセンサノード10は、1つの基地局50に対して1以上のセンサノード10が無線通信により接続されたセンサネットワーク1で用いられ、センサで計測したセンサデータを無線通信により基地局50へ通知する機能を有している。
まず、本発明において、センサデータを圧縮してデータ量を削減する際に用いる特異値分解の原理について説明する。なお、特異値分解の具体的処理については、公知の手法を利用すればよい。
センサデータは、自然の周期や日常生活や社会活動における周期、例えば、日、週、月、年など、周期的な繰り返しパターンを有している場合が多い。特異値分解によれば、このようなセンサデータの周期性を抽出して、センサデータを効率よく圧縮できる。
一般的なデータ圧縮手法の1つであるフーリエ変換では、三角関数に対する重み係数でデータ系列を表現できるが、特異値分解を用いたほうが、センサデータの特徴を捉えた基底系列を生成することができるため、小さな誤差で効率よくセンサデータを圧縮できる。
次に、図1を参照して、本実施の形態にかかるセンサノードの構成について詳細に説明する。
センサノード10には、主な機能部として、センサ11、無線通信部12、記憶部13、および演算処理部14が設けられている。
無線通信部12は、専用の無線通信回路からなり、センサネットワーク1のトポロジーに基づいて、他のセンサノード10や基地局50との間で無線通信を行う機能と、この機能を用いて、演算処理部14での特異値分解によりセンサデータから得られた基底系列および係数系列を、元のセンサデータの圧縮データとして基地局50へ通知する機能とを有している。
記憶部13は、半導体メモリやハードディスクなどの記憶装置からなり、演算処理部14での処理動作に用いるプログラムや各種処理情報を記憶する機能を有している。
演算処理部14で実現される主な処理部として、データ取得部14A、系列分割部14B、および行列計算部14Cがある。
系列分割部14Bは、データ取得部14Aで生成したセンサデータ系列を一定のデータ数(時間長l)からなる部分データ系列に分割する機能と、これら部分データ系列ごとに、当該部分データ系列に含まれるセンサデータを正規化する機能とを有している。
次に、図2および図3を参照して、本実施の形態にかかるセンサノードの動作について説明する。図2は、第1の実施の形態にかかるセンサノードのセンサデータ処理を示すフローチャートである。図3は、第1の実施の形態にかかるセンサノードのセンサデータ処理を示す動作例である。
センサノード10の演算処理部14は、定期的あるいは任意のイベント発生に応じて、図2のセンサデータ処理を実行する。
続いて、系列分割部14Bは、データ取得部14Aで生成したセンサデータ系列を一定のデータ数からなる部分データ系列に分割する(ステップ101)。図3では、時間長lを持つウィンドウを単位として、処理期間tcごとにセンサデータ系列が4分割されて、部分データ系列がa1〜a4が生成されている。
図3では、処理期間tcに対応する4つの部分データ系列について、それぞれ部分データ系列a1〜a4を生成し、これら部分データ系列a1〜a4から、1つの処理データ系列Aを生成した後に特異値分解している。
これにより、特異値分解で得られた基底系列Vとこの基底系列Vに基づき算出される係数系列Wとの数が、近似基底行列〜Vと近似係数系列〜Wに削減され、基地局50へ通知すべきデータ量が圧縮されたことになる。
図3では、元となる4つの部分データ系列a1〜a4に関する圧縮データとして、2つの近似基底系列〜V(1)、〜V(2)と、8つの近似係数系列〜W11、〜W12、〜W21、〜W22、〜W31、〜W32、〜W41、〜W42が、圧縮データとして送信されている。
1つの部分データ系列aのデータ量をsとし、元の処理データ系列Aにk個の部分データ系列が含まれる場合、処理データ系列Aのデータ量は、c×sとなる。これに対して、近似基底系列の数がk個の場合、圧縮したセンサデータのデータ量は、k×s+k×cとなる。部分データ系列の個数cに対する基底系列kの割合をd=k/cとすれば、元のデータ量に対する圧縮後のデータ量の圧縮率rは、次の式(6)となる。
図3では、ある地点の温度センサのデータを例とし、一日毎にウィンドウを区切って部分データ系列を生成した場合について説明したが、この例に限らず、多くのセンサデータには周期性があり、適切なウィンドウ幅を用いれば、kに小さな値を設定してデータ量を抑えても、少ない誤差でデータを圧縮できる。
このように、本実施の形態は、各センサノード10において、系列分割部14Bで、センサデータ系列を一定のデータ数からなる部分データ系列に分割し、行列計算部14Cで、センサデータ系列を分割して得た部分データ系列を、さらに一定数まとめて得られた処理データ系列を特異値分解することにより、部分データ系列に共通する複数の基底系列を計算し、これら基底系列のうちセンサデータの復元に対する寄与度の高いものから順に、基底系列を近似した近似基底系列として所定の基準数だけ選択し、得られた近似基底系列に基づいて部分データ系列ごとに、近似基底系列の線形加重和で当該部分データ系列を求めるための近似係数系列を計算し、無線通信部12で、処理データ系列の近似基底系列および近似係数系列を、元となるセンサデータの圧縮データとして無線通信により送信するようにしたものである。
また、基地局50では、各センサノード10から通知されたデータの量が少ないにもかかわらず、小さな誤差で元のデータを復元できる。また、データ復元時には、近似基底系列と近似計数系列とを掛け合わせるという、極めて簡素な演算処理で元のデータを復元でき、基地局50での処理負担を軽減できる。
次に、図4を参照して、本発明の第2の実施の形態にかかるセンサノードについて説明する。図4は、第2の実施の形態にかかるセンサノードの構成を示すブロック図であり、前述した図1と同じまたは同等部分には同一符号を付してある。
第1の実施の形態では、一定数の部分データ系列ごとに、近似基底系列を再計算する場合について説明した。本実施の形態では、前回計算した近似基底系列で復元したセンサデータが、元のセンサデータから大きな誤差を生じた場合にのみ、近似基底系列を再計算する場合について説明する。
・単純なバッチ処理手法では、センサデータがよく似たパターンを繰り返しており、特異値分解で得られる基底系列Vに変化がない場合でも、c個の部分データ系列毎に〜Vを無線通信で送信するため、効率が悪い。
・c個の部分データ系列が発生するごとに無線通信の処理を行うため、データ収集に遅延が生じる。
この手法では、センサノードは、大きなデータ量の〜Vは低い頻度で送信し、データの傾向に変化がなければ少ないデータ量の〜Wiのみを送信すればよいため、大きな圧縮効率を上げられる。
重み計算部14Dは、系列分割部14Bで得られた部分データ系列のうち、行列計算部14Cで特異値分解された対象処理データ系列以降の新たな処理データ系列について、当該新たな処理データ系列に含まれる部分データ系列ごとに、当該部分データ系列を対象処理データ系列に関する近似基底系列の線形加重和で求めるための重みを計算する機能を有している。
本実施の形態にかかるセンサノード10におけるこのほかの構成については、第1の実施の形態と同様であり、ここでの詳細な説明は省略する。
次に、図5を参照して、本実施の形態にかかるセンサノード10の動作について説明する。図5は、第2の実施の形態にかかるセンサノードのセンサデータ処理を示すフローチャートである。なお、センサデータ処理の概略については、前述した図2と同様であり、図5では、数式を用いて各ステップの処理内容を表現してある。
この後、演算処理部14は、対象処理データ系列A’以降のc個の部分データ系列ごとに、図5のセンサデータ処理を開始する。
重み計算部14Dは、新たな処理データ系列Aに含まれる部分データ系列aiごとに、当該部分データ系列aiを、先に処理した対象処理データ系列A’に関する近似基底系列〜Vの線形加重和で求めるための重み〜wiを計算する(ステップ201)。
そこで、更新判定部14Eは、誤差eを求めることにより近似基底系列〜Vを更新する必要があるかどうかを判定し、誤差eが所定の閾値ε以下の場合には近似基底系列〜Vを更新せず、近似基底系列〜Vと近似係数系列〜Wの代わりに、新たな処理データ系列Aに含まれる各部分データ系列aiについて、重み〜wi、平均−ai、および分散siを、無線通信部12から基地局50へ送信する。一方、誤差eが所定の閾値εよりも大きい場合には、基底行列・係数行列計算部へ処理を移行し、基底行列の更新を行う。
これに応じて、行列計算部14Cは、第1の実施の形態と同様にして、新たな処理データ系列A=[ai−c−1,…,ai−1,ai]Tについて、特異値分解することにより、新たな近似基底行列〜Vを計算する(ステップ206)。
このように、本実施の形態は、重み計算部14Dで、部分データ系列のうち、行列計算部14Cで特異値分解された対象処理データ系列A’以降の新たな処理データ系列Aについて、当該新たな処理データ系列Aに含まれる部分データ系列ごとに、当該部分データ系列aiを対象処理データ系列に関する近似基底系列〜Vの線形加重和で求めるための重み〜wiを計算し、更新判定部14Eで、新たな処理データ系列Aに含まれる部分データ系列aiごとに得られた重み〜wiと対象処理データ系列A’に関する近似基底系列〜Vとから、新たな処理データ系列Aを復元した近似データ系列〜Aを生成し、新たな処理データ系列と当該近似データ系列〜Aとの誤差eに基づいて、近似基底系列〜Vの更新要否を判定するようにしたものである。
図6は、第2の実施の形態にかかるセンサノードの動作例である。ここでは、l=24、c=16、d=0.25、およびε=0.2とした。一番上のグラフが元のデータ系列であり、その左下のグラフが時刻168までの近似基底系列で復元したデータ系列、その右下のグラフが時刻168以降の更新した近似基底系列で復元したデータ系列である。最下段には、時刻168までの近似基底系列Vold(1)〜Vold(4)と時刻168以降の基底系列Vnew(1)〜Vnew(4)を示し、重みの大きい主な基底系列を復元した系列に重ねて記載している。
次に、本発明の第3の実施の形態にかかるセンサノードについて説明する。
第1の実施の形態では、1つの基地局50に対して1以上のセンサノード10が無線通信により接続されたセンサネットワーク1において、各センサノード10が、自ノードのセンサ11で計測したセンサデータを圧縮して送信する場合について説明した。本実施の形態では、複数のセンサノードが次の図7のような階層的なトポロジーで接続されている場合について説明する。
以下では、中間層に位置するセンサノードにおいて、下の階層のセンサノード(子ノード)から受信した近似基底系列をさらに圧縮する処理(集約処理)について説明する。
本実施の形態にかかる中間層に位置するセンサノード10において、系列合成取得部14Fは、トポロジーに基づいて他のセンサノード10から無線通信部12により受信した受信近似基底系列および受信近似係数系列を取得して、これら受信近似基底系列から新たなセンサデータ系列を生成する機能をさらに有している。
また、行列計算部14Cは、系列合成取得部14Fで取得した新たなセンサデータ系列について新たな近似基底系列および新たな近似係数系列を計算する機能をさらに有している。
本実施の形態にかかるセンサノード10におけるこのほかの構成については、第1の実施の形態と同様であり、ここでの詳細な説明は省略する。
次に、図9および図10を参照して、本実施の形態にかかるセンサノードの動作について説明する。図9は、近似基底系列および近似係数系列の階層構造を示す説明図である。図10は、第3の実施の形態にかかるセンサノードのセンサデータ処理を示すフローチャートである。
なお、センサデータを正規化する場合、親ノードへ送信される近似係数系列W(h) iには、当該部分データ系列aiの正規化に用いた平均−aiおよび分散siが付加されているものとする。
次に、行列計算部14Cにおいて、これを特異値分解することにより新たな近似基底系列V(2) 1,(1)およびV(2) 1,(2)を計算して、センサノードX(3) 1へ送信する。また、新たなデータ系列A(2) 1から得られた新たな近似係数系列W(2) 1に、センサノードX(1) 1,X(1) 2から受信した受信近似基底系列W(1) 1,W(1) 2を付加して、センサノードX(3) 1へ送信する。
そして、行列計算部14Cにおいて、これを特異値分解することにより新たな近似基底系列V(2) 2,(1)およびV(2) 2,(2)を計算して、センサノードX(3) 1へ送信する。また、新たなデータ系列A(2) 1から得られた新たな近似係数系列W(2) 2に、センサノードX(1) 3、X(1) 4から受信した受信近似基底系列W(1) 3、W(1) 4を付加して、センサノードX(3) 1へ送信する。
そして、行列計算部14Cにおいて、これを特異値分解することにより新たな近似基底系列V(3) 1,(1)およびV(3) 1,(2)を計算して、基地局50へ送信する。また、新たなデータ系列A(3) 1から得られた新たな近似係数系列W(3) 1に、センサノードX(2) 1、X(2) 2から受信した受信近似基底系列W(1)(=W(1) 1〜W(1) 4)とW(2)(=W(2) 1,W(2) 2)を付加して、基地局50へ送信する。
演算処理部14のデータ取得部14Aは、無線通信部12から受信近似基底系列〜V(h−1)を取得し、これらを新たなデータ系列A(h)の各要素へ格納することにより、新たなデータ系列A(h)を生成する(ステップ301)。
続いて、ステップ302〜308において、図2のステップ101〜107と同様の処理が実行される。
また、最下層の〜W(1)を各階層で転送する際、〜W(2)…〜W(hmax)の乗算操作を、予めセンサノード10で実行しておいてもよい。これにより、各センサノード10での計算量が増えるものの、〜W(2)…〜W(hmax)の転送を省くことができ、送信データ量をさらに削減することができる。
このように、本実施の形態は、データ取得部14Aで、トポロジーに基づいて他のセンサノード10から無線通信部12により受信した受信近似基底系列および受信近似係数系列を取得して、これら受信近似基底系列から新たなセンサデータ系列を生成し、行列計算部14Cで、新たなセンサデータ系列について新たな近似基底系列および新たな近似係数系列を計算し、無線通信部12で、新たな近似基底系列と、新たな近似係数系列に受信近似係数系列を付加した近似係数系列とを、圧縮データとして無線通信により送信するようにしたものである。
したがって、本実施の形態によれば、関連性の高いセンサデータやその圧縮データから新たなデータ系列が生成されて、特異値分解されるため、センサデータの周期性だけでなく、センサデータ間の関連性を利用することができ、センサデータを効率よく圧縮できる。
これにより、センサノードは第1の実施形態よりもさらに少ないデータ量で発生したデータ系列を基地局へ通知でき、無線通信における電力消費量と、データ収集時に発生する遅延を抑制できる。
次に、本発明の第4の実施の形態にかかるセンサノードについて説明する。
第2の実施の形態では、センサデータの傾向が変化するまで、同じ近似基底系列〜Vを繰り返し使用し、傾向が変化したときにのみ〜Vを更新して送信する場合について説明した。また、第3の実施の形態では、トポロジーに基づき接続された他のセンサノード10から受信した近似基底系列を、第1の実施の形態で説明したセンサデータ圧縮手法を利用してさらに圧縮した後に送信する場合について説明した。
次に、図11を参照して、本実施の形態にかかるセンサノード10の動作について説明する。図11は、第4の実施の形態にかかるセンサノードのセンサデータ処理を示すフローチャートである。図11では、最下層より上位の任意の階層hにおけるセンサノード10でのセンサデータ処理が示されており、最下層のセンサノード10では、前述した図5のセンサデータ処理が実行される。
系列合成部14F’は、まず、無線通信部12により、下位層h−1の子ノードから近似基底系列〜V(h−1)と近似係数系列〜W(h−1)を受信する。そして、受信近似係数系列〜W(h−1)を新たなデータ系列A(h)の各要素へ格納することにより、新たなデータ系列A(h)を生成する(ステップ400)。これ以降のステップ401〜410は、データ系列がデータ系列合成部14F’により合成されたものである点を除いて、図5のステップ201〜210と同様である。
ここで、誤差eが閾値ε以下であれば(ステップ404:YES)、データ系列の傾向はこれまでと変化していないと判定し、無線通信部12から、重み計算部14Dで得られた、重み〜w(h) i、平均−a(h) i、および分散s(h) iと、1階層目から(h−1)階層目の各層で生成された受信近似係数W(L)と、これに対応する平均−a(L) i、および分散s(L) i(L=1,…,h−1)とを、上位層h+1の親ノードへ送信し(ステップ405)、一連のセンサデータ処理を終了する。
また、行列計算部14Cは、この新たなデータ系列A(h)に関する新たな近似係数系列〜W(h)、すなわち重み〜w(h) iを計算し(ステップ407)、無線通信部12から、これら重み〜w(h) i、平均−a(h) i、および分散s(h) iと、1階層目から(h−1)階層目の各ノードから受信した受信近似係数W(L−1)とそれに対応する平均−a(L) i、および分散s(L) i(L=1,…,h−1)と、新たな近似基底行列〜V(h)とを、上位層h+1の親ノードへ送信し(ステップ408)、一連のセンサデータ処理を終了する。
このように、本実施の形態では、第3の実施の形態における各センサノードにおけるデータ圧縮処理に、第1の実施の形態の代わりに第2の実施の形態を適用したので、第3の実施の形態と同様に、センサデータの周期性だけでなく、センサデータ間の関連性を利用して、センサデータを効率よく圧縮できる。そして、第2の形態の効果と同様に、これにより、センサデータがよく似たパターンを繰り返しており、特異値分解で得られる基底系列Vに変化がない場合には、センサデータの傾向が変化するまで、同じ近似基底系列〜Vを繰り返し使用できるため、新たな処理データ系列ごとに近似係数系列、すなわち重みwiのみを送信すればよく、近似基底系列〜Vの送信を省くことができる。これにより、第2の実施の形態や第3の実施の形態よりもさらに効率よくデータを収集でき、無線通信による電力の消費やデータ収集の遅延を抑制することができる。
次に、シミュレータを用いた評価実験により本発明の有効性を検証した結果について説明する。
この評価実験では、完全4分木トポロジーのネットワークを想定し、第3の実施の形態にかかるバッチ処理(batch)と、第4の実施の形態にかかるオンライン処理(on−line)とについて、末端の各センサノードで発生したセンサデータを1台の基地局に収集する際のデータの圧縮率と誤差の割合を評価した。
AMEDASの2007年7月から2008年6月の気象データから温度のデータと、38点で屋内の気温を約10日間計測したデータを用いた。シミュレータ上のセンサノードよりも用意したデータセットのノード数が少ない場合には、データセットの各ノードのデータをシミュレータ上の複数のセンサノードに割り当てた。また実験ではc=16、d=0.25とした。
図14、図16において、横軸は階層数を示し、縦軸は元のデータ量と基地局で受信したデータ量との比を示すデータ圧縮率(%)を示している。図15、図17において、横軸は階層数を示し、縦軸は正規化したデータにおける元のデータ系列と復元したデータ系列の間の二乗誤差の平均を示している。
この評価実験の結果、本発明によるデータ収集は、フーリエ変換に比較して、同等の圧縮率であれば、より少ない誤差でセンサデータを収集でき、同等の誤差であるならば、より少ないデータ量でセンサデータを収集できることが明らかになった。
この評価実験において、AMEDASデータは、1時間に1点にデータを削減したものを用い、l=24とした。いずれのグラフも横軸は時刻、縦軸はセンサデータあるいは、特異値分解によって生成された基底系列の値である。
特に、図21の屋内気温データについては、センサデータの変化の周期とウィンドウ長lが近い図20のAMEDASデータとは異なり、ウィンドウの中に上下の値の変化がある区間や単調な変化しかない区間が混ざっているような場合もあるが、元のセンサデータを十分に復元できていることが分かる。
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をすることができる。
Claims (7)
- 1つの基地局に対して1以上のセンサノードが無線通信により接続されたセンサネットワークで用いられ、センサで計測したセンサデータを前記無線通信により前記基地局へ通知するセンサノードであって、
前記センサから複数の前記センサデータを取得してセンサデータ系列を生成するデータ取得部と、
前記センサデータ系列を一定のデータ数からなる部分データ系列に分割する系列分割部と、
前記部分データ系列を一定数まとめて得られた処理データ系列を特異値分解することにより、前記部分データ系列に共通する複数の基底系列を計算し、これら基底系列のうち前記センサデータの復元に対する寄与度の高いものから順に、前記基底系列を近似した近似基底系列として所定の基準数だけ選択し、得られた近似基底系列に基づいて前記部分データ系列ごとに、前記近似基底系列の線形加重和で当該部分データ系列を求めるための近似係数系列を計算する行列計算部と、
前記処理データ系列の前記近似基底系列および前記近似係数系列を、元となる前記センサデータの圧縮データとして前記無線通信により送信する無線通信部と
を備えることを特徴とするセンサノード。 - 請求項1に記載のセンサノードにおいて、
前記系列分割部は、前記センサデータ系列を分割して得られた前記部分データ系列ごとに、当該部分データ系列に含まれるセンサデータを、これらセンサデータの平均値および分散を用いて正規化し、
前記行列計算部は、正規化された前記部分データ系列に基づいて前記近似基底系列および前記近似係数系列を計算し、
前記無線通信部は、前記処理データ系列の前記基底系列および前記係数系列とともに、前記処理データ系列に含まれる前記部分データ系列を正規化する際に用いた前記平均値および前記分散を、前記圧縮データとして前記無線通信により送信する
ことを特徴とするセンサノード。 - 請求項1または請求項2に記載のセンサノードにおいて、
前記部分データ系列のうち、前記行列計算部で特異値分解された対象処理データ系列以降の新たな処理データ系列について、当該新たな処理データ系列に含まれる部分データ系列ごとに、当該部分データ系列を前記対象処理データ系列に関する前記近似基底系列の線形加重和で求めるための重みを計算する重み計算部と、
前記新たな処理データ系列に含まれる部分データ系列ごとに得られた前記重みと前記対象処理データ系列に関する前記近似基底系列とから、前記新たな処理データ系列を復元した近似データ系列を生成し、前記新たな処理データ系列と当該近似データ系列との誤差に基づいて、前記近似基底系列の更新要否を判定する更新判定部と
をさらに備え、
前記行列計算部は、前記更新判定部により前記近似基底系列の更新要と判定された場合、前記新たな処理データ系列を特異値分解することにより、当該新たな処理データ系列に関する近似基底系列および近似係数系列を生成し、
前記無線通信部は、前記更新判定部により前記近似基底系列の更新要と判定された場合、前記新たな処理データ系列の前記近似基底系列および前記近似係数系列を前記圧縮データとして前記無線通信により送信し、前記更新判定部により前記近似基底系列の更新不要と判定された場合、前記重み計算部で得られた前記重みを前記圧縮データとして前記無線通信により送信する
ことを特徴とするセンサノード。 - 請求項2に記載のセンサノードを複数有し、1つの基地局に対して前記複数のセンサノードが階層的な木構造からなるトポロジーで無線通信により接続されたセンサネットワークで用いられ、センサで計測したセンサデータを前記無線通信により前記基地局へ通知するセンサノードのうち、前記階層的な木構造における中間層に位置するセンサノードであって、
前記トポロジーに基づいて他の前記センサノードから前記無線通信部により受信した受信近似基底系列および受信近似係数系列を取得して、これら受信近似基底系列から新たなセンサデータ系列を生成する系列合成部をさらに有し、
前記行列計算部は、前記新たなセンサデータ系列を特異値分解することにより、新たな近似基底系列および新たな近似係数系列を計算し、
前記無線通信部は、前記新たな近似基底系列と、前記新たな近似係数系列に前記受信近似係数系列を付加した近似係数系列とを、前記圧縮データとして前記無線通信により送信する
ことを特徴とするセンサノード。 - 請求項3に記載のセンサノードを複数有し、1つの基地局に対して前記複数のセンサノードが階層的な木構造からなるトポロジーで無線通信により接続されたセンサネットワークで用いられ、センサで計測したセンサデータを前記無線通信により前記基地局へ通知するセンサノードのうち、前記階層的な木構造における中間層に位置するセンサノードであって、
前記トポロジーに基づいて他の前記センサノードから前記無線通信部により受信した受信近似基底系列を取得して、これら受信近似基底系列から新たなセンサデータ系列を生成する系列合成部をさらに有し、
前記重み計算部は、前記新たなセンサデータ系列を、前記受信近似基底系列の線形加重和で求めるための重みを計算し、
前記更新判定部は、前記新たなセンサデータ系列ごとに得られた前記重みと前記受信近似基底系列とから、前記新たなセンサデータ系列を復元した近似データ系列を生成し、前記新たなセンサデータ系列と当該近似データ系列との誤差に基づいて、前記受信近似基底系列の更新要否を判定し、
前記行列計算部は、前記更新判定部により前記近似基底系列の更新要と判定された場合、前記新たなセンサデータ系列を特異値分解することにより、当該新たなセンサデータ系列に関する新たな近似基底系列および新たな近似係数系列を生成し、
前記無線通信部は、前記更新判定部により前記近似基底系列の更新要と判定された場合、前記新たなセンサデータ系列の前記新たな近似基底系列および前記新たな近似係数系列を前記圧縮データとして前記無線通信により送信し、前記更新判定部により前記近似基底系列の更新不要と判定された場合、前記第2重み計算部で得られた前記重みを前記圧縮データとして前記無線通信により送信する
ことを特徴とするセンサノード。 - 1つの基地局に対して1以上のセンサノードが無線通信により接続されたセンサネットワークで用いられ、センサで計測したセンサデータを前記無線通信により前記基地局へ通知するセンサノードで用いられるセンサデータ処理方法であって、
データ取得部が、前記センサから複数の前記センサデータを取得してセンサデータ系列を生成するデータ取得ステップと、
系列分割部が、前記センサデータ系列を一定のデータ数からなる部分データ系列に分割する系列分割ステップと、
行列計算部が、前記部分データ系列を一定数まとめて得られた処理データ系列を特異値分解することにより、前記部分データ系列に共通する複数の基底系列を計算し、これら基底系列のうち前記センサデータの復元に対する寄与度の高いものから順に、前記基底系列を近似した近似基底系列として所定の基準数だけ選択し、得られた近似基底系列に基づいて前記部分データ系列ごとに、前記近似基底系列の線形加重和で当該部分データ系列を求めるための近似係数系列を計算する行列計算ステップと、
無線通信部が、前記処理データ系列の前記近似基底系列および前記近似係数系列を、元となる前記センサデータの圧縮データとして前記無線通信により送信する無線通信ステップと
を備えることを特徴とするセンサデータ処理方法。 - コンピュータを、請求項1〜請求項5のいずれか1つに記載のセンサノードを構成する各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010184130A JP5270623B2 (ja) | 2010-08-19 | 2010-08-19 | センサノード、センサデータ処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010184130A JP5270623B2 (ja) | 2010-08-19 | 2010-08-19 | センサノード、センサデータ処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012044449A true JP2012044449A (ja) | 2012-03-01 |
JP5270623B2 JP5270623B2 (ja) | 2013-08-21 |
Family
ID=45900241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010184130A Active JP5270623B2 (ja) | 2010-08-19 | 2010-08-19 | センサノード、センサデータ処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5270623B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014136193A1 (ja) * | 2013-03-04 | 2014-09-12 | 富士通株式会社 | 基地局装置、基地局システムおよびiqデータの圧縮方法 |
WO2017208356A1 (ja) * | 2016-05-31 | 2017-12-07 | 株式会社オプティム | IoT制御システム、IoT制御方法及びプログラム |
JP2018093343A (ja) * | 2016-12-01 | 2018-06-14 | 日本電気株式会社 | 中継装置、情報システム、中継方法及びサーバ |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7325732B2 (ja) | 2017-11-29 | 2023-08-15 | 国立大学法人 岡山大学 | 穿刺練習具 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004173123A (ja) * | 2002-11-22 | 2004-06-17 | Takenaka Komuten Co Ltd | 計測情報送信装置及び多点計測情報収集システム |
JP2006270544A (ja) * | 2005-03-24 | 2006-10-05 | Honda Motor Co Ltd | 車両用無線データロギング装置および方法 |
JP2009110419A (ja) * | 2007-10-31 | 2009-05-21 | Toshiba Corp | 遠隔監視システム及びトラフィック制御方法 |
JP2009171497A (ja) * | 2008-01-21 | 2009-07-30 | Hitachi Ltd | センサネットサーバ、及びセンサネットシステム |
-
2010
- 2010-08-19 JP JP2010184130A patent/JP5270623B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004173123A (ja) * | 2002-11-22 | 2004-06-17 | Takenaka Komuten Co Ltd | 計測情報送信装置及び多点計測情報収集システム |
JP2006270544A (ja) * | 2005-03-24 | 2006-10-05 | Honda Motor Co Ltd | 車両用無線データロギング装置および方法 |
JP2009110419A (ja) * | 2007-10-31 | 2009-05-21 | Toshiba Corp | 遠隔監視システム及びトラフィック制御方法 |
JP2009171497A (ja) * | 2008-01-21 | 2009-07-30 | Hitachi Ltd | センサネットサーバ、及びセンサネットシステム |
Non-Patent Citations (1)
Title |
---|
JPN6013020119; 小西佑治ほか5名: 'センサ観測値分布の概要把握を可能とする階層化ドロネーオーバレイネットワーク構築手法' 情報処理学会論文誌 51巻2号, 20100215, 624-634頁 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014136193A1 (ja) * | 2013-03-04 | 2014-09-12 | 富士通株式会社 | 基地局装置、基地局システムおよびiqデータの圧縮方法 |
JPWO2014136193A1 (ja) * | 2013-03-04 | 2017-02-09 | 富士通株式会社 | 基地局装置、基地局システムおよびiqデータの圧縮方法 |
WO2017208356A1 (ja) * | 2016-05-31 | 2017-12-07 | 株式会社オプティム | IoT制御システム、IoT制御方法及びプログラム |
JP2018093343A (ja) * | 2016-12-01 | 2018-06-14 | 日本電気株式会社 | 中継装置、情報システム、中継方法及びサーバ |
Also Published As
Publication number | Publication date |
---|---|
JP5270623B2 (ja) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | A spatiotemporal compression based approach for efficient big data processing on cloud | |
CN110175168B (zh) | 一种基于生成对抗网络的时间序列数据填补方法及系统 | |
JP5270623B2 (ja) | センサノード、センサデータ処理方法、およびプログラム | |
Yang et al. | A new method based on PSR and EA-GMDH for host load prediction in cloud computing system | |
CN108986872B (zh) | 用于大数据电子病历约简的多粒度属性权重Spark方法 | |
CN110830292B (zh) | 面向医疗大数据的云雾混合路径确定方法 | |
CN108205570A (zh) | 一种数据检测方法和装置 | |
CN113206831B (zh) | 一种面向边缘计算的数据采集隐私保护方法 | |
CN109828836A (zh) | 一种批量流式计算系统参数动态配置方法 | |
CN111431996B (zh) | 用于资源配置的方法、装置、设备和介质 | |
CN108770002A (zh) | 基站流量分析方法、装置、设备及存储介质 | |
Harb et al. | Combining compression and clustering techniques to handle big data collected in sensor networks | |
CN110322693A (zh) | 一种交通数据补全方法、系统、设备及介质 | |
Nabi et al. | Deep learning based fusion model for multivariate LTE traffic forecasting and optimized radio parameter estimation | |
CN110414569A (zh) | 聚类实现方法及装置 | |
CN116316617B (zh) | 多场站智能融合的新能源发电功率区域预测方法和系统 | |
CN114866462B (zh) | 一种智慧校园的物联网通信路由方法及系统 | |
JP2021005387A5 (ja) | ||
Yang et al. | Trust-based scheduling strategy for cloud workflow applications | |
JP4612546B2 (ja) | 並列計算方法及び装置 | |
CN115225543A (zh) | 一种流量预测方法、装置、电子设备和存储介质 | |
Mamun et al. | Intra-and inter-server smart task scheduling for profit and energy optimization of HPC data centers | |
Kumpulainen et al. | Characterizing Mobile Network Daily Traffic Patterns by 1-Dimensional SOM and Clustering | |
CN113315757B (zh) | 一种面向边缘计算的数据免解码传输方法 | |
Chaudhuri et al. | Server allocation algorithms for tiered systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121023 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130419 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130509 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5270623 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |