JP2013125312A - 異常発生推定方法及び異常発生推定装置 - Google Patents

Abstract

【課題】通信負荷を増大させることなく、無線センサネットワークにおける異常発生の検出を行えるようにすること。
【解決手段】一のセンサノードから送信され、データ管理サーバにて受信されたセンサデータＤ_ｎそれぞれについて、送信順序が１つ前のセンサデータＤ_ｎ−１との受信間隔Ｒを算出し、この受信間隔Ｒと、予測される受信間隔であるセンサデータの送信間隔Ｔとの差である受信誤差ΔＲを算出する。これらの受信誤差ΔＲの分布から、センサノードにかかる異常発生の有無を推定する。
【選択図】図３

Description

本発明は、無線センサネットワークの異常発生を推定する異常発生推定方法等に関する。

無線センサネットワークは、対象物の各所に設置されたセンサノードによる計測データ（センサデータ）を集約して、対象物の状態を監視するためのシステムである。各センサノードは、センサデータを周期的に発信しており、各センサデータは、他のセンサノードや中継ノードを介して集約装置に無線転送される。集約装置を、例えばゲートウェイ装置とし、この集約装置から、更に通信ケーブル等を介して外部装置に送信する構成も知られている。

ところで、無線通信ネットワークにおける異常を検出する方法として一般的に行われているのが、ヘルスチェックと呼ばれる方法である。ヘルスチェックは、各ノードに対して検出用のパケット（ヘルスチェックパケット）を送信し、応答信号が正常に受信されたかによって、そのノードが正常に動作していることを確認する方法である（例えば、特許文献１参照）。

特開２０１０−６２８５５号公報

しかしながら、上述のヘルスチェックを無線センサネットワークに適用する場合には、各センサノードそれぞれにヘルスチェックパケットを定期的に送信し、ヘルスチェックパケットに対する応答信号を集約する必要がある。そうなると、センサデータの通信に加えて、ヘルスチェックパケット及びその応答信号の通信が行われるため、通信負荷が増大する。この結果、本来のセンサデータの通信に支障が生じたり、各センサノードの電力消費が早まったり、ネットワーク全体の故障率が却って上昇するといった問題が生じ得る。異常検出の精度を高めるためにヘルスチェックの実行間隔を短くしようとすると、尚更この問題が顕著になる。

本発明は、上記事情に鑑みてなされたものであり、その目的とするところは、通信負荷を増大させることなく、無線センサネットワークにおける異常発生の検出を行えるようにすることである。

上記課題を解決するための第１の形態は、
所与の時間間隔でセンサデータを発信するセンサノードを複数有して構成された無線センサネットワークの異常発生を、当該センサノードから送信されてサーバに集約されたセンサデータを用いて推定する方法であって、
一のセンサノードからのセンサデータの前記サーバにおける受信間隔を用いて、センサデータの受信間隔の長短に係る度数分布を生成する生成ステップと、
前記度数分布を用いて前記無線センサネットワークの異常発生を推定する推定ステップと、
を含む異常発生推定方法である。

また、他の形態として、
所与の時間間隔でセンサデータを発信するセンサノードを複数有して構成された無線センサネットワークの異常発生を、当該センサノードから送信されてサーバに集約されたセンサデータを用いて推定する異常発生推定装置であって、
一のセンサノードからのセンサデータの前記サーバにおける受信間隔を用いて、センサデータの受信間隔の長短に係る度数分布を生成する生成手段と、
前記度数分布を用いて前記無線センサネットワークの異常発生を推定する推定手段と、
を備えた異常発生推定装置を構成しても良い。

この第１の形態等によれば、サーバにおけるセンサノードの受信間隔をもとに、無線センサネットワークの異常発生を推定することができる。つまり、検出用のパケットや信号を送信したり、その応答信号を受信する必要が無いため、無線センサネットワークの通信負荷を増大させることがない。

また、第２の形態として、第１の形態の異常発生推定方法であって、
前記センサデータには、送信順序を識別可能な順序識別情報が含まれており、
前記一のセンサノードからのセンサデータに含まれる順序識別情報を用いて、当該センサデータの送信順序を判定する送信順序判定ステップを更に含み、
前記生成ステップでは、前記送信順序判定ステップの判定結果を用いて、センサデータの早着を含めて前記度数分布を生成する、
異常発生推定方法を構成しても良い。

この第２の形態によれば、センサデータに含まれる順序識別情報を用いてセンサデータの送信順序が判定され、センサデータの早着を含めて度数分布が生成される。これにより、無線センサネットワークの異常発生によって、送信順序が後のセンサデータが送信順序が先のセンサデータより先にサーバにて受信される「早着」が発生するが、この「早着」を考慮した異常発生の推定を行うことができる。ここで、順序識別情報として、例えばセンサノードからの送信時刻を用いることとしても良い。

また、第３の形態として、第１又は第２の形態の異常発生推定方法であって、
前記推定ステップは、前記度数分布のうち、標準的な受信間隔の範囲内であることを示す所与の標準範囲内の度数の割合、或いは、当該標準範囲外の度数の割合を算出する割合算出ステップを含み、当該割合算出ステップで算出された割合を用いて前記無線センサネットワークの異常発生を推定する、
異常発生推定方法を構成しても良い。

この第３の形態によれば、度数分布のうち、所与の標準範囲内の度数の割合或いは標準範囲外の度数の割合を用いて、無線センサネットワークの異常発生が推定される。

また、第４の形態として、第３の形態の異常発生推定方法であって、
前記生成ステップでは、所与の期間の前記度数分布を生成し、
前記一のセンサノードに係る標準的な前記度数分布のデータを蓄積した標準データを用いて前記標準範囲を設定する標準範囲設定ステップと、
前記推定ステップで異常発生が推定されなかった場合の当該期間の前記度数分布に基づいて前記標準データを更新する標準データ更新ステップと、
を更に含む異常発生推定方法を構成しても良い。

この第４の形態によれば、一のセンサノードに係る標準的な度数分布のデータを蓄積した標準データを用いて、標準範囲が設定されるとともに、異常発生が推定されなかった期間の度数分布に基づいて、標準データが更新される。つまり、異常発生が推定されなかった期間の度数分布が追加されて標準データが更新され、更新された標準データを用いて標準範囲が再設定されることになる。これにより、異常発生の推定を繰り返すことで、標準範囲の順応性を高め、異常発生の推定の確度が向上することになる。

また、第５の形態として、第３又は第４の形態の異常発生推定方法であって、
前記一のセンサノードのセンサの種類及び／又は設置場所に応じて前記標準範囲を可変に設定するステップを更に含む、
異常発生推定方法を構成しても良い。

この第５の形態によれば、センサノードの種類及び／又は設置場所に応じて、標準範囲が可変に設定される。

また、第６の形態として、第１〜第５の何れかの形態の異常発生推定方法であって、
前記一のセンサノードからのセンサデータの前記サーバにおける受信間隔を予測する予測ステップを更に含み、
前記生成ステップでは、前記サーバにおける受信間隔と、前記予測ステップで予測された受信間隔との差を用いて前記度数分布を生成する、
異常発生推定方法を構成しても良い。

この第６の形態によれば、一のセンサノードからのセンサデータのサーバにおける受信間隔が予測され、サーバにおける受信間隔と予測された受信間隔との差を用いて、度数分布が生成される。無線センサネットワークに異常が発生していない場合、サーバにおける受信間隔は予測される受信間隔とほぼ等しくなるはずである。このため、受信間隔の差についての度数分布を生成することで、容易且つより正確に、無線センサネットワークの異常発生の推定を行うことができる。

また、第７の形態として、第６の形態の異常発生推定方法であって、
前記無線センサネットワークは、所定の鉄道構造物に設けられてなり、センサデータを一時蓄積し、蓄積したセンサデータを接近走行した列車に搭載される車上装置に向けて送信する一時蓄積装置を有し、
前記サーバは、前記車上装置からセンサデータを受信し、
前記予測ステップでは、前記列車の運行情報を用いて受信間隔を予測する、
異常発生推定方法を構成しても良い。

この第７の形態によれば、鉄道構造物に設けられるとともに、センサデータを一時的に記憶し、蓄積したセンサデータを接近走行した列車に搭載される車上装置に向けて送信する一時蓄積装置を有して構成される無線センサネットワークについても、サーバにおけるセンサデータの受信間隔を用いて異常発生の推定を行うことができる。

また、第８の形態として、第１〜第７の形態の異常発生推定方法であって、
前記生成ステップでは、前記複数のセンサノードそれぞれの前記度数分布を生成し、
前記推定ステップは、
前記複数のセンサノードそれぞれについて、当該センサノードに係る度数分布を用いて当該センサノードに係る異常発生を推定するステップと、
前記異常発生が推定されたセンサノードの設置場所に基づいて、前記無線センサネットワークの異常発生箇所を推定するステップと、
を含む、
異常発生推定方法を構成しても良い。

この第８の形態によれば、複数のセンサノードそれぞれについて、度数分布が生成されて異常発生が推定され、異常発生が推定されたセンサノードの設置場所に基づいて、無線センサネットワークの異常発生箇所が推定される。

本実施形態のネットワークシステムの概要図。 一般的なネットワークシステムの概要図。 無線センサネットワークが正常の場合のセンサデータの送受信の概要図。 受信誤差の分布の一例。 データ欠落（異常）が発生した場合のセンサデータの送受信の概要図。 データ遅延（異常）が発生した場合のセンサデータの送受信の概要図。 無線センサネットワークにおける異常箇所の推定の概要図。 無線センサネットワークが正常の場合のセンサデータの送受信の概要図。 データ欠落（異常）が発生した場合のセンサデータの送受信の概要図。 データ遅延（異常）が発生した場合のセンサデータの送受信の概要図。 データ管理サーバの機能構成図。 センサテーブルのデータ構成例。 受信データ群のデータ構成例。 個別判断結果のデータ構成例。 標準範囲設定データのデータ構成例。 異常判断条件テーブルのデータ構成例。 標準範囲設定条件テーブルのデータ構成例。 異常発生推定処理のフローチャート。

以下、図面を参照して、本発明の実施形態を説明する。但し、本発明の適用可能な実施形態がこれに限定されるものではない。

［システム構成］
図１は、本実施形態のネットワークシステム１の概略構成図である。ネットワークシステム１は、無線センサネットワーク１０と、列車２０に搭載される車上装置２２と、データ管理サーバ３０とを備えて構成される。

無線センサネットワーク１０は、橋梁やトンネル等の鉄道構造物の状態を監視するために構築され、センサノードＳと、中継ノードと、ゲートウェイＧとを有して構成される。

センサノードＳは、マイクロプロセッサやセンサ、無線チップ、メモリ等が搭載された無線端末であり、監視対象物の各所に設置される。そして、搭載するセンサによる計測データ（センサデータ）を、送信先として予め定められた中継ノード或いはゲートウェイＧに送信する。このセンサノードＳには、例えば温度センサや照度センサ、歪みセンサ、振動センサ等、検査対象に応じた１種類或いは複数種類のセンサが搭載される。

中継ノードは、マイクロプロセッサや無線チップ、メモリ等が搭載された無線端末であり、センサノードＳや他の中継ノードからの受信データを、送信先として予め定められた他の中継ノード或いはゲートウェイＧに送信（転送）する。中継ノードは、センサノードＳと兼用のノードとして構成することも可能である。図１では、中継ノードの図示を省略している。

ゲートウェイＧは、無線通信装置と、転送されてきたセンサデータを一時的に蓄積記憶する記憶装置とを有する一時蓄積装置であり、軌道近傍に設置される。そして、不図示の車両検知装置、或いは、車上装置２２が通信圏内に入ったことによって列車２０の接近が検知されると、蓄積しているセンサデータを、当該列車２０に搭載された車上装置２２に向けて送信する。

車上装置２２は、無線通信装置と、記憶装置とを有しており、ゲートウェイＧの近傍を通過時に、該ゲートウェイＧから送信されるセンサデータを受信する。そして、列車２０が駅に到着してデータ管理サーバ３０との通信が確立されると、記憶しているセンサデータをデータ管理サーバ３０に送信（転送）する。データ管理サーバ３０は、例えば駅構内に設置され、駅に停車した列車に搭載されている車上装置２２からセンサデータを受信する。

このように、ネットワークシステム１は、センサデータが、移動する車上装置２２を介してデータ管理サーバ３０に送信・集約される。従って、ネットワークシステム１は、通信遅延が非常に大きい、或いは、連続的な通信接続が見込めない通信環境であるＤＴＮ（Delay and Disruption Tolerant Network：遅延耐性ネットワーク）環境下にあるといえる。

また、データ管理サーバ３０は、受信・集約したセンサデータをもとに、無線センサネットワーク１０の異常発生を推定する処理を行う。具体的には、センサノードＳそれぞれについて、当該センサノードＳからのセンサデータの「受信間隔」の分布（度数分布）を生成し、この度数分布に基づいて当該センサノードＳにかかる異常発生の推定を行う。

［原理］
本実施形態における無線センサネットワーク１０の異常発生推定の原理を説明する。図２は、原理を説明するためのネットワークシステム３の概略構成図である。このネットワークシステム３では、無線センサネットワーク１０からデータ管理サーバ３０への通信リンクとして、既設の外部ケーブルを介した有線通信、或いは、無線ＬＡＮアクセスポイントやルータを介した携帯電話網等の無線通信である通信回線Ｎによって実現される。

図３は、このネットワークシステム３におけるセンサデータの送受信の概要を示す図である。すなわち、無線センサネットワーク１０を構成する１つのセンサノードＳに着目し、横軸を時間軸として、このセンサノードＳからのセンサデータＤの送信タイミングと、データ管理サーバ３０におけるセンサデータＤの受信タイミングとの関係を示している。
センサノードＳからは、一定の送信間隔Ｔで、センサデータＤが断続的に送信される。

ここで、送信時刻ｔ_ｎにおいて送信されたセンサデータＤを「センサデータＤ_ｎ」とする（ｎは整数）。また、センサデータＤ_ｎの送信時刻ｔ_ｎを、該センサデータＤ_ｎの順序識別情報として利用する。つまり、送信時刻ｔ_ｎ（順序識別情報）の大小から、センサデータＤ_ｎの送信順序（送信時刻ｔ_ｎの前後）を判断することができる。

先ず、データ管理サーバ３０において受信されたセンサデータＤ_ｎそれぞれについて、送信順序が１つ前のセンサデータＤ_ｎ−１の受信時刻からの経過時間である「受信間隔Ｒ_ｎ」が算出される。次いで、受信間隔Ｒ_ｎそれぞれと、センサノードＳにおけるセンサデータＤの送信間隔Ｔとの差である「受信誤差ΔＲ_ｎ（＝Ｒ_ｎ−Ｔ）」が算出される。そして、これらのセンサデータＤそれぞれの受信誤差ΔＲｎの分布を表した受信誤差分布（度数分布）が生成される。

図４は、受信誤差分布の一例を示す図である。図４では、横軸を受信誤差ΔＲ、縦軸を度数としている。無線センサネットワーク１０に「異常」が発生していない（正常な）場合、データ管理サーバ３０におけるセンサデータＤの受信間隔Ｒは、センサデータの送出間隔Ｔにほぼ一致すると予測される。従って、この場合の受信誤差分布は、図４に示す例のように、受信誤差ΔＲ＝０、に度数が集中するような分布形状となる。

一方、無線センサネットワーク１０に異常が発生している場合、受信誤差分布は、これと大きく異なる形状となる。例えば、「異常」の一例として、センサノードＳから送信されたセンサデータＤがデータ管理サーバ３０にて受信されない「欠落」がある。図５は、センサデータＤの欠落が発生した場合の、センサノードＳとデータ管理サーバ３０との間のセンサデータＤの送受信の一例を示す図である。図５では、センサノードＳから送信された「センサデータＤ_２」が欠落した（データ管理サーバ３０にて受信されない）場合を示している。この場合、センサデータＤ_３の受信間隔Ｒ_３は、センサデータＤ_１の受信時刻からの経過時間となり、この受信間隔Ｒ_３は、送信間隔Ｔの約２倍となる。

また、無線センサネットワーク１０の「異常」の他の例として、データ管理サーバ３０における受信が大幅に遅れる「遅延」がある。図６は、センサデータＤの遅延が発生した場合の、センサノードＳとデータ管理サーバ３０との間のセンサデータＤの送受信の一例を示す図ある。図６では、「センサデータＤ_５」が遅延し、データ管理サーバ３０における受信順序が、センサデータＤ_６と入れ替わっている場合を示している。この場合、センサデータＤ_５の受信間隔Ｒ_５は、センサデータＤ_４の受信時刻からの経過時間であるが、送信間隔Ｔの２倍以上となっている。また、センサデータＤ_６の受信間隔Ｒ_５は、センサデータＤ_４の受信時刻からの経過時間であるが、センサデータＤ_６の受信時刻はセンサデータＤ_５の受信時刻より早い（早着である）ため、この受信間隔Ｒ_５は「負（Ｒ_５＜０）」となる。

このように、無線センサネットワーク１０に異常が発生すると、データ管理サーバ３０におけるセンサデータＤの受信間隔Ｒがゼロから大きくかけ離れた値となり、受信誤差分布が、正常な場合と異なる分布形状となる。つまり、あるセンサノードＳに着目したセンサデータＤの受信誤差ΔＲの分布から、無線センサネットワーク１０の異常発生を推定することができる。

具体的には、図４に示すように、受信誤差分布において、無線センサネットワーク１０を「正常」と判断する「標準範囲」を定める。そして、センサデータＤの総数に対する、標準範囲内にあるセンサデータＤの数の割合（標準割合）が所定割合以上であるか否かに応じて、無線センサネットワーク１０が正常であるか否か（異常発生しているか）、詳細には、当該センサノードＳ、或いは、当該センサノードＳからデータ管理サーバ３０に至る通信経路に係る異常発生の有無を推定する。なお、標準範囲内ではなく、標準範囲外にあるセンサデータＤの数の割合としても良い。

また、受信誤差ΔＲについての度数分布（受信誤差分布）を作成することにしたが、センサノードＳからのセンサデータＤの送信間隔Ｔは一定であることから、受信間隔Ｒそのものについての度数分布（受信間隔分布）を作成することにしても良い。この場合、受信誤差分布（図４）における「受信誤差ΔＲ＝０」は、「受信間隔Ｒ＝送信間隔Ｔ」に相当することとなる。

更に、無線センサネットワーク１０を構成する全てのセンサノードＳそれぞれについての異常発生の推定結果から、無線センサネットワーク１０における異常発生箇所の推定を行うことができる。具体的には、例えば、図７に示すように、無線センサネットワーク１０を、センサノードＳや中継ノードの設置場所や通信経路に応じて、複数の小ネットワーク１０ａ〜１０ｃに分割する。そして、これらの小ネットワーク１０ａ〜１０ｃのうち、異常発生有りと推定されたセンサノードＳの数（割合）が特に多い小ネットワーク１０ｂの部分が、異常発生箇所であると推定できる。

続いて、上述の異常発生推定の原理を、図１のネットワークシステム１に適用した場合を説明する。図８は、無線センサネットワーク１０が正常である場合の、センサデータの送受信の一例を示す図である。センサノードＳからは、一定の送信間隔Ｔで、センサデータＤが断続的に送信される。また、データ管理サーバ３０におけるセンサデータＤの受信タイミング（受信時刻）は、ほぼ列車の到着タイミング（到着時刻）となる。つまり、センサデータＤの送信間隔Ｔが列車の到着間隔Ｑよりも短い場合、データ管理サーバ３０では、複数のセンサデータＤを同時に受信することになる。

例えば、図８では、時刻ｔ_ｂにおいて、送信時刻順に２つのセンサデータＤ_２，Ｄ_３を同時に受信しており、それぞれの受信間隔Ｒ_２，Ｒ_３は、Ｒ_２＝到着間隔Ｑ_１，Ｒ_３＝０（ゼロ）である。また、時刻ｔ_ｃにおいて、信時刻順に３つのデータＤ_４，Ｄ_５，Ｄ_６を同時に受信しており、それぞれの受信間隔Ｒ_４，Ｒ_５，Ｒ_６は、Ｒ４＝到着間隔Ｑ_２、Ｒ_５＝０（ゼロ），Ｒ_６＝０（ゼロ）である。

ところで、センサノードＤの送信間隔Ｔと列車の到着間隔Ｑとから、各センサデータＤの受信間隔Ｒを予測することができる。例えば、図８では、時刻ｔ_ｂにおいて、送信時刻順に２つのセンサデータ（予測データ）Ｄ_ｉ，Ｄ_ｉ＋１（ｉは整数）が受信されると予測され、それぞれの受信間隔Ｒ_ｉ，Ｒ_ｉ＋１は、Ｒ_ｉ＝Ｑ_１，Ｒ_ｉ＋１＝０（ゼロ）と予測される。また、時刻ｔ_ｃにおいて、送信時刻順に３つのセンサデータ（予測データ）Ｄ_ｉ，Ｄ_ｉ＋１，Ｄ_ｉ＋２が受信され、それぞれの受信間隔Ｒ_ｉ，Ｒ_ｉ＋１，Ｒ_ｉ＋２は、Ｒ_ｉ＝Ｑ_２，Ｒ_ｉ＋１＝０（ゼロ），Ｒ_ｉ＋２＝０（ゼロ）と予測される。

そして、受信された各センサデータＤ_ｎについての受信誤差ΔＲ_ｎは、当該センサデータＤ_ｎに対応して受信するとして予測されたセンサデータ（予測データ）Ｄ_ｉの受信間隔Ｒ_ｉとの差として算出される（ΔＲ_ｎ＝Ｒ_ｎ−Ｒ_ｉ）。

すなわち、例えば、時刻ｔ_ｂにおいて受信されたセンサデータＤ_２は、予測データＤ_ｉに対応する。そして、受信誤差ΔＲ_２は、該センサデータＤ_２の受信間隔Ｒ_２（＝Ｑ_１）と、対応する予測データＤ_ｉの予測受信間隔Ｒ_ｉ（＝Ｑ_１）との差であるゼロ（０）となる。また、センサデータＤ_３は、予測データＤ_ｉ＋１に対応し、その受信誤差ΔＲ_３は、該センサデータＤ_３の受信間隔Ｒ_３（＝０）と、対応する予測データＤ_ｉ＋１の受信間隔Ｒ_ｉ＋１（＝０）との差であるゼロ（０）となる。また、時刻ｔ_ｃにおいて受信されたセンサデータＤ_４，Ｄ_５，Ｄ_６についても同様に、それぞれ、予測データＤ_ｉ，Ｄ_ｉ＋１，Ｄ_ｉ＋２に対応し、それぞれの受信誤差ΔＲ_５，ΔＲ_６，ΔＲ_７は、全てゼロ（０）となる。

図９は、データ欠落が発生した場合の、センサデータＤの送受信の一例を示す図である。図９では、センサデータＤ_２が欠落した場合を示している。すなわち、時刻ｔ_ｂにおいて、１つのセンサデータＤ_３が受信され、時刻ｔ_ｃにおいて、送信時刻順に３つのセンサデータＤ_４，Ｄ_５，Ｄ_６が受信されている。

一方、受信予測としては、時刻ｔ_ｂにおいて、送信時刻順に２つのセンサデータＤ_ｉ，Ｄ_ｉ＋２が受信されると予測され、それぞれの受信間隔Ｒ_ｉ，Ｒ_ｉ＋１は、Ｒ_ｉ＝Ｑ_２，Ｒ_ｉ＋１＝０、と予測される。また、時刻ｔ_ｃにおいて、送信時刻順に３つのセンサデータＤ_ｉ，Ｄ_ｉ＋１，Ｄ_ｉ＋２が受信されると予測され、それぞれの受信間隔Ｒ_ｉ，Ｒ_ｉ＋１，Ｒ_ｉ＋２は、Ｒ_ｉ＝Ｑ_３，Ｒ_ｉ＋１＝０，Ｒ_ｉ＋２＝０、と予測される。

時刻ｔ_ｂ，ｔ_ｃそれぞれにおける受信データ数と予測データ数を比較すると、時刻ｔ_ｂにおいて、１つのセンサデータＤの欠落（受信されていないこと）を判断することができる。しかし、欠落したと判断されたセンサデータＤが、予測データＤ_ｉ，Ｄ_ｉ＋１の何れに対応するかは判断できない。そこで、欠落したセンサデータＤに相当するセンサデータＤｘが「受信された」とみなし、このセンサデータＤ_ｘの受信誤差ΔＲ_ｘを「所定の極大値」とすることで、受信誤差分布において標準範囲外のデータとして扱われるようにすると好適である。

図１０は、データ遅延が発生した場合の、センサデータＤの送受信の一例を示す図である。図１０では、センサデータＤ_５が遅延し、センサデータＤ_６と受信順序が入れ替わった場合を示している。すなわち、時刻ｔ_ｂにおいて、送信時刻順に２つのセンサデータＤ_４，Ｄ_６が受信され、時刻ｔ_ｃにおいて、送信時刻順に３つのセンサデータＤ_５，Ｄ_７，Ｄ_８が受信されている。

一方、受信予測としては、時刻ｔ_ｂにおいて、送信時刻順に３つのデータＤ_ｉ，Ｄ_ｉ＋１，Ｄ_ｉ＋２が受信されると予測され、それぞれの受信間隔Ｒ_ｉ，Ｒ_ｉ＋１，Ｒ_ｉ＋２は、Ｒ_ｉ＝到着間隔Ｑ_２，Ｒ_ｉ＋１＝０，Ｒ_ｉ＋２＝０と予測される。また、時刻ｔ_ｃにおいて、送信時刻順に２つのデータＤ_ｉ，Ｄ_ｉ＋１が受信されると予測され、それぞれの受信間隔Ｒ_ｉ，Ｒ_ｉ＋１は、それぞれ、Ｒ_ｉ＝到着間隔Ｑ_３，Ｒ_ｉ＋１＝０と予測される。

受信されたセンサデータＤ_ｎについて、それぞれの送信時刻ｔ_ｎを比較すると、センサデータＤ_５とセンサデータＤ_６の受信順序が入れ替わっていることがわかる。また、時刻ｔ_ａ，ｔ_ｂそれぞれにおける受信データ数と予測データ数とから、センサデータＤ_５は、時刻ｔ_ｂにおいて受信されるはずのデータと判断することができる。

従って、センサデータＤ_４，Ｄ_５，Ｄ_６のそれぞれの受信間隔Ｒ_４，Ｒ_５，Ｒ_６は、Ｒ_４＝到着間隔Ｑ_２、Ｒ_５＝到着間隔Ｑ_３、Ｒ_６＝−Ｑ_３、と判断することができる。また、センサデータＤ_７，Ｄ_８のそれぞれの受信間隔Ｒ_７，Ｒ_８は、Ｒ_７＝Ｑ_３，Ｒ_８＝０，となる。

そして、センサデータＤ_４，Ｄ_５，Ｄ_６は、それぞれ、時刻ｔ_ｂにおける予測データＤ_ｉ，Ｄ_ｉ＋１，Ｄ_ｉ＋２に対応し、それぞれの受信誤差ΔＲ_４，ΔＲ_５，ΔＲ_６は、ΔＲ_４＝０（＝Ｑ_２−Ｑ_２）、ΔＲ_５＝Ｑ_３（＝Ｑ_３−０）、ΔＲ_６＝−Ｑ_３（＝−Ｑ_３−０）、となる。また、センサデータＤ_７，Ｄ_８は、それぞれ、時刻ｔ_ｃにおける予測データＤ_ｉ，Ｄ_ｉ＋１に対応し、それぞれの受信誤差ΔＲ_７，ΔＲ_８は、ΔＲ_７＝０（＝Ｑ_３−Ｑ_３）、ΔＲ_８＝０（＝０−０）、となる。

このように、本実施形態のネットワークシステム１について、データ管理サーバ３０における各センサデータＤの受信タイミング（受信時刻）を予測し、予測される受信間隔と、実際の受信間隔Ｒとの誤差ΔＲの分布から、無線センサネットワーク１０の異常発生の有無を推定することができる。

［機能構成］
図１１は、データ管理サーバ３０の機能構成を示すブロック図である。データ管理サーバ３０は、機能的には、操作部３１０と、処理部３２０と、表示部３３０と、通信部３４０と、記憶部４００とを備えたコンピュータシステムとして構成される。

操作部３１０は、例えばキーボードやマウス、タッチパネル、各種スイッチ等で実現される入力装置であり、操作入力に応じた入力信号を処理部３２０に出力する。

処理部３２０は、例えばＣＰＵ等のプロセッサで実現される制御装置であり、操作部３１０から入力されたデータや、記憶部４００に記憶されたプログラムやデータ等に基づいて、データ管理サーバ３０を構成する各部への指示やデータ転送を行い、データ管理サーバ３０の全体制御を行う。また、本実施形態では、処理部３２０は、データ蓄積部３２１と、異常発生推定部３２２と、標準範囲設定部３２３とを有する。

なお、無線センサネットワーク１０を構成するセンサノードＳについてのデータは、センサテーブル４２０にて定義されている。図１２は、センサテーブル４２０のデータ構成の一例を示す図である。センサテーブル４２０は、無線センサネットワーク１０を構成するセンサノードＳそれぞれについて、センサＩＤ４２１と、搭載されているセンサの種別４２２と、センサデータの送信間隔４２３と、設置位置４２４とを対応付けて格納している。

データ蓄積部３２１は、車上装置２２から受信されたセンサデータＤについて、送信元のセンサノードＳを判断し、該データ管理サーバ３０における受信時刻を対応付けて、受信データ群４７０に蓄積記憶する。

図１３は、受信データ群４７０のデータ構成の一例を示す図である。受信データ群４７０は、センサノードＳ毎に生成され、該当するセンサノードＳのセンサＩＤ４７１とともに、受信したセンサデータＤそれぞれについて、データＩＤ（送信時刻）４７２と、データ値４７３と、受信時刻４７４とを対応付けて格納している。

異常発生推定部３２２は、データ蓄積部３２１によって蓄積されたセンサデータ（受信データ群４７０）をもとに、無線センサネットワーク１０の異常発生を推定する処理（図１８参照）を行う。この異常発生推定処理は、例えば、１日の列車運行が終了する毎に、当日に受信されたセンサデータＤを対象として行われる。

具体的には、受信データ群４７０を参照して、無線センサネットワーク１０を構成するセンサノードＳ毎に、当該センサノードＳにかかる異常発生の有無を推定する。すなわち、対象のセンサノードＳからのセンサデータＤを送信時刻順（データＩＤ順）にソートし、センサデータＤ_ｎそれぞれについて、送信順序が１つ前のセンサデータＤ_ｎ−１との受信間隔Ｒを算出する。

また、列車運行情報４６０から、データ管理サーバ３０におけるセンサデータＤの受信タイミング（受信時刻）を判断し、列車運行情報４６０から判断される列車の到着間隔Ｑと対象のセンサノードＳの送信間隔Ｔとから、受信タイミングそれぞれにおいて受信されると予測されるセンサデータ（予測データ）Ｄの数や、それぞれの予測データＤの受信間隔を算出する。

次いで、受信されたセンサデータＤそれぞれについて、対応する予測データの受信間隔との差である受信誤差ΔＲを算出する、そして、受信データＤの総数に対する、受信誤差ΔＲが標準範囲内のセンサデータＤの割合（標準割合）を算出し、この標準割合が異常判断条件を満たすか否かに応じて、対象のセンサノードＳにかかる異常発生の有無を判断する。

センサノードＳそれぞれについての異常発生の有無の判断結果は、個別判断結果データ４９０として記憶される。図１４は、個別判断結果データ４９０のデータ構成の一例を示す図である。個別判断結果データ４９０は、無線センサネットワーク１０を構成するセンサノードＳそれぞれについて、センサＩＤ４９１と、異常判断結果４９２とを対応付けて格納している。

ここで、「標準範囲」は、正常であるとみなす受信誤差の範囲であり、標準範囲設定データ４４０にて定義される。図１５は、標準範囲設定データ４４０のデータ構成の一例を示す図である。標準範囲設定データ４４０は、センサ種別４４１毎に、標準範囲４４２を対応付けて格納している。

また、「異常判断条件」は、センサノードＳにかかる異常が発生していると判断する条件であり、異常判断条件テーブル４５０にて定義されている。図１６は、異常判断条件テーブル４５０のデータ構成の一例を示す図である。異常判断条件テーブル４５０は、センサ種別４５１毎に、異常判断条件４５２を対応付けて格納している。

異常発生推定部３２２は、無線センサネットワーク１０を構成するセンサノードＳそれぞれについて異常発生の有無を判断すると、これらの判断結果を基に、無線センサネットワーク１０の異常発生箇所を総合的に推定する。

標準範囲設定部３２３は、標準データ群４８０を用いて、異常発生推定部３２２が無線センサネットワーク１０の異常発生を推定する基準となる「標準範囲」の設定を行う。標準データ群４８０は、受信データ群４７０のうち、異常発生推定部３２２によって「正常（異常が発生していない）」と判断された受信データ群４７０の集合であり、センサノードＳ毎に設定される。なお、標準データ群４８０を構成するデータ数が、異常発生の推定に充分なデータ数である一定数に達すると、古いデータを順次削除し、最新の所定数のデータで構成されるようにすると好適である。

図１７は、標準範囲設定条件テーブル４３０のデータ構成の一例を示す図である。標準範囲設定条件テーブル４３０は、センサ種別４３１毎に、標準範囲の設定条件４３２を対応付けて格納している。

図１１に戻り、表示部３３０は、例えばＬＣＤ等で実現される表示装置であり、処理部３２０からの表示信号に基づく各種表示画面を表示する。

通信部３４０は、例えば、無線通信モジュールやルータ、モデム、ＴＡ、有線用の通信ケーブルのジャックや制御回路等によって実現される通信装置であり、外部機器（主に、車上装置２２）との間でデータ通信を行う。

記憶部４００は、処理部３２０がデータ管理サーバ３０を統合的に制御するための諸機能を実現するためのシステムプログラムや、本実施形態の異常発生推定処理を実行するためのプログラムやデータ等を記憶しているとともに、処理部３２０の作業領域として用いられ、処理部３２０が各種プログラムに従って実行した演算結果や、操作部３１０からの入力信号が一時的に格納される。また、本実施形態では、記憶部４００には、プログラムとして異常発生推定プログラム４１０が記憶されるとともに、データとして、センサテーブル４２０と、標準範囲設定条件テーブル４３０と、標準範囲設定データ４４０と、異常判断条件テーブル４５０と、列車運行情報４６０と、受信データ群４７０と、標準データ群４８０と、個別判断結果データ４９０とが記憶される。

［処理の流れ］
図１８は、異常発生推定処理を説明するフローチャートである。なお、この異常発生推定処理は、一日の列車運行が終了した後に、当該一日分の受信されたセンサデータを対象として実行されるが、一日以外の期間（例えば、１時間）に適用しても良いことは勿論である。

異常発生推定処理では、無線センサネットワーク１０を構成するセンサノードＳそれぞれを対象とした繰り返し処理（ループＡ）を行って、対象のセンサノードＳにかかる異常発生の有無を判断する。

ループＡでは、先ず、対象期間において受信された対象のセンサノードＳからのセンサデータ（受信データ）を、送信時刻順（データＩＤ順）にソートする（ステップＡ１）。次いで、ソートされた受信データＤ_ｎそれぞれについて、１つ前の受信データＤ_ｎ−１との受信間隔Ｒを算出する（ステップＡ３）。

また、列車運行情報４６０と、対象のセンサノードＳの送信間隔Ｔとから、対象期間におけるセンサデータＤの受信タイミングを算出し（ステップＡ５）、これらの受信タイミングそれぞれについて、受信が予測されるセンサデータ（予測データ）Ｄの数や、これらの予測データそれぞれの受信間隔を算出する（ステップＡ７）。

次いで、各受信タイミングにおける予測データ数等をもとに、受信データそれぞれと予測データそれぞれとの対応を判定し（ステップＡ９）、受信データそれぞれについて、その受信間隔Ｒと、対応する予測データの受信間隔との差（受信誤差）ΔＲを算出する（ステップＡ１１）。続いて、全ての受信データ数に対する、対象のセンサノードＳの種別に応じた標準範囲内に受信誤差ΔＲがある受信データの数の割合（標準割合）を算出する（ステップＡ１３）。そして、この標準割合が、対象のセンサノードＳの種別に応じた異常判定条件を満たすか否かに応じて、対象のセンサノードＳにかかる異常発生の有無を判断する（ステップＡ１５）。

この結果、「正常」と判断したならば（ステップＡ１７：ＹＥＳ）、対象期間の受信データを、対象のセンサノードＳの種別に対応する新たな標準データとして蓄積記憶する（ステップＡ１９）。続いて、標準範囲設定部３２３が、標準データをもとに、対象のセンサノードＳの種別に対応する標準範囲を再設定する（ステップＡ２１）。

ループＡはこのように行われる。全てのセンサノードＳを対象としたループＡの処理を行うと、各センサノードＳ毎の異常発生の判断結果をもとに、無線センサネットワーク１０の異常発生箇所を総合的に推定する処理を行う（ステップＡ２３）。以上の処理を行うと、異常発生推定処理は終了となる。

［作用・効果］
このように、本実施形態によれば、データ管理サーバ３０におけるセンサデータの受信間隔Ｒをもとに、無線センサネットワーク１０の異常発生の有無が推定される。つまり、無線線センサネットワーク１０の異常を検出するために、各センサノードＳに問い合わせようの信号を送信したり、これに対する応答信号を受信するといった通信の必要が無いため、無線センサネットワーク１０の通信負荷を増大させることがない。

［変形例］
なお、本発明の適用可能な実施形態は、上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。

（Ａ）標準範囲の設定
例えば、上述の実施形態では、標準範囲を、センサノードＳに搭載されるセンサの種別に応じて可変に設定することにしたが（図１７の標準範囲設定条件テーブル）、センサノードＳの設置場所（監視対象物）に応じて可変に設定することにしても良い。具体的には、鉄橋やトンネルといった鉄道構造物毎に標準範囲を設定しても良い。また、センサの種別と当該センサの設置場所（監視対象物）とから当該センサの重要度を設定し、重要度毎に標準範囲を設定するようにしても良い。

１，３ ネットワークシステム
１０ 無線センサネットワーク
２０ 列車、２２ 車上装置
３０ データ管理サーバ
３１０ 操作部
３２０ 処理部
３２１ データ蓄積部、３２２ 異常発生推定部、３２３ 標準範囲設定部
３３０ 表示部、３４０ 通信部
４００ 記憶部
４１０ 異常発生推定プログラム、４２０ センサテーブル
４３０ 標準範囲設定条件テーブル、４４０ 標準範囲設定データ
４５０ 異常判断条件テーブル、４６０ 列車運行情報
４７０ 受信データ群、４８０ 標準データ群、４９０ 個別判断結果データ

Claims (9)

1. 所与の時間間隔でセンサデータを発信するセンサノードを複数有して構成された無線センサネットワークの異常発生を、当該センサノードから送信されてサーバに集約されたセンサデータを用いて推定する方法であって、
   一のセンサノードからのセンサデータの前記サーバにおける受信間隔を用いて、センサデータの受信間隔の長短に係る度数分布を生成する生成ステップと、
   前記度数分布を用いて前記無線センサネットワークの異常発生を推定する推定ステップと、
   を含む異常発生推定方法。
2. 前記センサデータには、送信順序を識別可能な順序識別情報が含まれており、
   前記一のセンサノードからのセンサデータに含まれる順序識別情報を用いて、当該センサデータの送信順序を判定する送信順序判定ステップを更に含み、
   前記生成ステップでは、前記送信順序判定ステップの判定結果を用いて、センサデータの早着を含めて前記度数分布を生成する、
   請求項１に記載の異常発生推定方法。
3. 前記推定ステップは、前記度数分布のうち、標準的な受信間隔の範囲内であることを示す所与の標準範囲内の度数の割合、或いは、当該標準範囲外の度数の割合を算出する割合算出ステップを含み、当該割合算出ステップで算出された割合を用いて前記無線センサネットワークの異常発生を推定する、
   請求項１又は２に記載の異常発生推定方法。
4. 前記生成ステップでは、所与の期間の前記度数分布を生成し、
   前記一のセンサノードに係る標準的な前記度数分布のデータを蓄積した標準データを用いて前記標準範囲を設定する標準範囲設定ステップと、
   前記推定ステップで異常発生が推定されなかった場合の当該期間の前記度数分布に基づいて前記標準データを更新する標準データ更新ステップと、
   を更に含む請求項３に記載の異常発生推定方法。
5. 前記一のセンサノードのセンサの種類及び／又は設置場所に応じて前記標準範囲を可変に設定するステップを更に含む、
   請求項３又は４に記載の異常発生推定方法。
6. 前記一のセンサノードからのセンサデータの前記サーバにおける受信間隔を予測する予測ステップを更に含み、
   前記生成ステップでは、前記サーバにおける受信間隔と、前記予測ステップで予測された受信間隔との差を用いて前記度数分布を生成する、
   請求項１〜５の何れか一項に記載の異常発生推定方法。
7. 前記無線センサネットワークは、所定の鉄道構造物に設けられてなり、センサデータを一時蓄積し、蓄積したセンサデータを接近走行した列車に搭載される車上装置に向けて送信する一時蓄積装置を有し、
   前記サーバは、前記車上装置からセンサデータを受信し、
   前記予測ステップでは、前記列車の運行情報を用いて受信間隔を予測する、
   請求項６に記載の異常発生推定方法。
8. 前記生成ステップでは、前記複数のセンサノードそれぞれの前記度数分布を生成し、
   前記推定ステップは、
   前記複数のセンサノードそれぞれについて、当該センサノードに係る度数分布を用いて当該センサノードに係る異常発生を推定するステップと、
   前記異常発生が推定されたセンサノードの設置場所に基づいて、前記無線センサネットワークの異常発生箇所を推定するステップと、
   を含む、
   請求項１〜７の何れか一項に記載の異常発生推定方法。
9. 所与の時間間隔でセンサデータを発信するセンサノードを複数有して構成された無線センサネットワークの異常発生を、当該センサノードから送信されてサーバに集約されたセンサデータを用いて推定する異常発生推定装置であって、
   一のセンサノードからのセンサデータの前記サーバにおける受信間隔を用いて、センサデータの受信間隔の長短に係る度数分布を生成する生成手段と、
   前記度数分布を用いて前記無線センサネットワークの異常発生を推定する推定手段と、
   を備えた異常発生推定装置。

Images