JP2016035769A - センサシステム、センサネットワーク制御装置およびセンサネットワーク制御方法 - Google Patents

Abstract

【課題】センサネットワークの省電力化と高精度のデータ測定の両立を可能にする技術を提供する。【解決手段】センサネットワーク制御装置は特徴算出部１７とネットワーク制御部１８とを有する。特徴算出部１７は、所定のエリアに配置された複数のセンサノードのそれぞれの位置を示す情報を含む固有情報と、複数のセンサノードのそれぞれで測定されたセンサデータとに基づいて、エリアにおけるセンサデータの特徴を算出する。ネットワーク制御部１８は、その特徴に基づいて、複数のセンサノードを制御する。【選択図】図２

Description

本発明は、複数のセンサノードを配置してデータを測定するセンサネットワークに関する。

気象観測、警備防犯、ビル管理、エネルギー管理、水質調査などに利用することができるセンサネットワークが注目されている。センサネットワークは、複数のセンサノードを配置してデータを測定するシステムである（特許文献１〜７参照）。

一般にセンサネットワークのセンサノードはバッテリで動作する。その場合、センサノードの生存期間がバッテリの寿命によって決まるため、各センサノードの省電力化が大きな課題である。

センサノードにおいては電力消費が最も大きい処理は、通信を伴うネットワーク処理であることが知られている。そのため、これまでネットワーク処理を低減する様々な試みが行われてきた。特に、無線センサネットワーク（ＷＳＮｓ：Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ）では、信号の受信中と送信中とで同程度の電力消費となる。

センサノードを省電力化するために、例えば、各ノードを休止状態にし、センサエリアをカバーする必要最小限のノードのみを動作させる方法（ＭＩＴ（Ｍａｓｓａｃｈｕｓｅｔｔｓ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ）のＳｐａｎ）がある。また、通信量自体を削減するルーティング方式（ＬＥＡＣＨ：Ｌｏｗ−Ｅｎｅｒｇｙ Ａｄａｐｔｉｖｅ Ｃｌｕｓｔｅｒｉｎｇ Ｈｉｅｒａｒｃｈｙ）もある。

特開２００４−２２６１５７号公報 特開２００６−１９０２４７号公報 特開２０１０−２４５７２５号公報 特表２００５−５２５０６１号公報 特表２００８−５３２４６０号公報 特表２００９−５２９１８７号公報 特表２０１０−５０６４８０号公報

しかし、センサノードの寿命を延ばすために最小限のノードのみを稼働させると、重要なセンスデータを見逃してしまう恐れがあった。また、重要なデータを漏らさず記録しようとすると、稼働させるセンサノードの数が増えてしまうというトレードオフがあった。

例えば、Ｓｐａｎではエリアをカバーすることが可能な最も少ない数のセンサノードを選択してネットワークを自律的に構成する。主にネットワークの状況によってネットワークの構成が行われる。その結果、センサノードの電力消費を低減し、ネットワークを長寿命化する効果はある。しかし、ネットワークの構成には必ずしもセンサデータの特徴が反映されないので、測定されるセンサデータが空間的あるいは時間的に偏っている環境においては、特徴的なデータを見逃す恐れがある。

例えば、道路に沿ったセンサネットワークを想定する。道路に面した崖が崩れそうになった場合に、その事象を検出できるセンサノードは特定の部分に偏在していると考えられる。

センサノードのサンプリング間隔を短縮したり、稼働中ノード数を増やしたりして、センサネットワークにおけるセンサノードの総稼働時間を増やせば、このようなイベントも高い精度で捉えることが可能となる。しかし、総稼働時間を増やすとセンサノードの電力消費が増加し、センサノードの寿命が短くなる。その結果としてネットワーク全体の寿命も短くなってしまう。

これに対して、利用者がセンサネットワークで観測したい興味のあるイベントを予め定義しておき、そのイベントが測定されたセンサノードの周辺においてセンサノードの稼働率を高め、イベントの変化に敏感に追従するといった方式がある。この方式は、利用者からのクエリが予め明確になっている場合には有効である。しかし、利用者からのクエリが予め明確になっていない場合にはイベントを予め定義しておくことができない。例えば、測定されたセンサデータを後でマイニングするような場合、センサネットワークが複数の利用者から共有され、様々な多数のイベントが想定される場合、環境が変化していく場合には、適切なイベントを予め設定するのは困難であり、期待した結果を得にくい。

他の方式として、近傍の複数のセンサノードで取得された空間的、時間的に関連の高いデータについてｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇで処理し、稼働させるセンサノードを集約するという方式がある。この方式によれば、センサネットワーク内の通信総量が削減され、電力消費が削減される。しかし、ネットワーク構成が環境の特徴と連携しないので、得られるデータの精度は向上しない。むしろ、センサノードを集約することで、環境内のデータ分布が捉えにくくなり、センサノードの稼働時間も削減されないことも考えられる。

本発明の目的は、センサネットワークの省電力化と高精度のデータ測定の両立を可能にする技術を提供することである。

上記目的を達成するために、本発明のセンサシステムは、複数のセンサノードと、前記複数のセンサノードのそれぞれで測定されたセンサデータと、前記センサノードの設置エリアとに基づいて、前記センサノードの稼働間隔を含むスケジュールを算出し、前記スケジュールに基づいて前記センサノードを稼働させるセンサネットワーク制御装置と、を有する。前記稼働間隔は、前記センサデータの変化が激しいセンサノードほど小さく設定される。

本発明のセンサネットワーク制御装置は、複数のセンサノードのそれぞれと通信可能な通信モジュールと、前記複数のセンサノードのそれぞれで測定されたセンサデータと、前記センサノードの設置エリアとに基づいて、前記センサノードの稼働間隔を含むスケジュールを算出し、前記スケジュールに基づいて前記センサノードを稼働させる制御部と、を有する。前記稼働間隔は、前記センサデータの変化が激しいセンサノードほど小さく設定される。
本発明のセンサネットワーク制御方法は、複数のセンサノードのそれぞれで測定されたセンサデータと、前記センサノードの設置エリアとに基づいて、前記センサノードの稼働間隔を含むスケジュールを算出し、前記スケジュールに基づいて前記センサノードを稼働させ、前記稼働間隔を、前記センサデータの変化が激しいセンサノードほど小さく設定することを含む。

本発明によれば、センサネットワークのデータ測定の精度を高く保ちながら、センサネットワークの省電力化を図ることができる。

本実施形態のセンサネットワークの構成を示すブロック図である。 本実施形態のセンサノードの構成を示すブロック図である。 第１の実施例によるセンサネットワークの構成を示すブロック図である。 第３の実施例におけるセンサネットワークの構成を示すブロック図である。

本発明の基本的構成による実施形態について図面を参照して詳細に説明する。

図１は、本実施形態のセンサネットワークの構成を示すブロック図である。図２は、本実施形態のセンサノードの構成を示すブロック図である。図２には、センサノード１の構成が示されているが、基本的にセンサノード２、３もこれと同じ構成である。

図１を参照すると、本実施形態のセンサネットワークは相互接続する複数（ここでは３個）のセンサノード１〜３を有している。本実施形態では、一例として、クラスタリングにより複数のセンサノードでクラスタを形成し、そのセンサノードの中の１つがクラスタヘッドとして他のセンサノードを制御する。

どのセンサノード１〜３もクラスタヘッドになれる。

自身がクラスタヘッドでないセンサノードは、周辺エリアの他のセンサノードに、自身の固有情報と、自身の測定したセンサデータを通知する。

一方、自身がクラスタヘッドとなったセンサノードは、周辺エリアにある複数のセンサノードから通知されたものを含めて、それぞれセンサノード１〜３の位置を示す情報を含む固有情報と、複数のセンサノード１〜３のそれぞれで測定されたセンサデータとに基づいて、そのエリアにおけるセンサデータの特徴を算出する。そして、クラスタヘッドのセンサノードは、その特徴に基づいて、複数のセンサノード１〜３を制御する。

図２を参照すると、センサノード１はセンサ１１と制御部１５を有している。ここではセンサノード１がクラスタヘッドとして動作する場合に着目しており、制御部１５は特徴算出部１７とネットワーク制御部１８を有している。

特徴算出部１７は、クラスタを形成する周辺のエリアに配置された複数のセンサノード１〜３のそれぞれの位置を示す情報を含む固有情報と、その複数のセンサノード１〜３のそれぞれで測定されたセンサデータとに基づいて、そのエリアにおけるセンサデータの特徴を算出する。

具体的には、特徴算出部１７は、エリアにおけるセンサデータの空間的な勾配と時間的な勾配の少なくとも一方を特徴として算出する。この勾配は、センサデータの空間的あるいは時間的な変化を示し、勾配の絶対値が大きいことはセンサデータの変化が激しいことを意味する。その際、特徴算出部１７は、エリアにおけるセンサデータ間を近似によって補間することでスカラー場を形成し、スカラー場における勾配を特徴として算出してもよい。

ネットワーク制御部１８は、特徴算出部１７が算出した特徴に基づいて複数のセンサノード１〜３を制御する。

具体例として、ネットワーク制御部１８は、その特徴に基づいてセンサノード１〜３のそれぞれのスケジュールを算出し、算出したスケジュールでセンサノード１〜３を稼働させる。スケジュールには、そのセンサノードをＴＤＭＡ（Ｔｉｍｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）で稼働あるいは休止させるためのタイミング情報が含まれている。例えば、スケジュールには各センサノード１〜３の測定を実行するサンプリングタイミングが規定されており、センサノード１〜３はサンプリング時だけ稼働し、それ以外のときには休止する。

上述したように、ここでは一例として、特徴算出部１７が算出する特徴は、そのエリアにおけるセンサデータの勾配である。ネットワーク制御部１８は、勾配の絶対値が大きい位置にあるセンサノード程、高い稼働率で稼働するようにスケジュールを算出する。

他の具体例として、ネットワーク制御部１８は、特徴算出部１７が算出した特徴に基づいて、センサノード１〜３を移動させることにしてもよい。ここでもやはり一例として、特徴はそのエリアにおけるセンサデータの勾配であるとする。そして、ネットワーク制御部１８は、勾配の絶対値が大きい位置程、センサノードの密度が高くなるようにセンサノード１〜３を移動させる。

以上説明したように、本実施形態によれば、複数のセンサノード１〜３のそれぞれの位置とセンサデータとから算出したセンサデータの特徴に基づいて複数のセンサノード１〜３を制御するので、センサネットワークのデータ測定の精度を高く保ちながら、センサネットワークの省電力化を図ることができる。

続いて、より具体的な実施例について説明する。

（第１の実施例）
図３は、第１の実施例によるセンサネットワークの構成を示すブロック図である。図３を参照すると、センサネットワークは複数（ここでは３個）のセンサノード１〜３で構成されている。センサノード１〜３は通信媒体４を介して相互に通信することができる。通信媒体４は例えば無線回線あるいは有線回線である。

また、センサノード１は、センサ１１、通信モジュール１２、電源１３、固有情報生成部１４、および制御部１５を有している。センサノード２、３も基本的にはセンサノード１と同じ構成である。

センサ１１は、外環境に対して何らかの項目の測定を行い、制御部１５に測定結果の値を送る。測定項目はセンサネットワークの用途等によって様々である。センサネットワークの用途としては、例えば、気象観測、警備防犯、ビル管理、エネルギー管理、水質調査などがある。それらの用途に用いられる、温度、光、色、音、振動、移動物体などがセンサ１１による測定対象となりうる。

通信モジュール１２は、制御部１５の指示でセンサノード間の通信を行い、他のセンサノード２、３に関する情報を取得する。または、他のセンサノード２、３に、自ノードの情報を与える。

電源１３は、センサノード１の各部分に電力を供給する。

固有情報生成部１４は、各センサノードを識別する自ノードに固有のＩＤ、センサノードの論理的な位置を示す位置情報、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）などを用いて取得した自ノードの物理的な位置を示す位置情報を生成し、それらを自ノードの固有情報として制御部１５に送る。

制御部１５は、プロセッサがプログラムを実行することにより実現される制御部である。制御部１５は、近傍のセンサノード２、３と通信モジュール１２を介して通信し、Ｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇの処理を実行することにより、近傍のセンサノード２、３と自ノードの稼働タイミングを調整する。その後、制御部１５は、電源１３を制御して自ノードを待機モードに遷移させ、次の稼働タイミングまで待機モードを維持する。

次に、第１の実施例におけるセンサノード１〜３の動作について詳細に説明する。

本実施例のセンサネットワークは既存技術であるＬＥＡＣＨ（Ｌｏｗ Ｅｎｅｒｇｙ Ａｄａｐｔｉｖｅ Ｃｌｕｓｔｅｒｉｎｇ Ｈｉｅｒａｒｃｈｙ）をベースにしている。

ＬＥＡＣＨでは、あるエリアにおける適切なクラスタヘッド率ｐを決めておく。クラスタヘッド率は、どの程度の割合のセンサノードをクラスタヘッドとするかを決める値である。そして、各センサノード１〜３は以下の処理を１回の「ラウンド」とし、その処理を繰り返す。

まず、各センサノードの制御部１５では、自ら乱数ｋ（０＜ｋ＜１）を生成し、ｐから算出できる候補値Ｔ（ｐ）とｋを比較する。ｋ＜Ｔ（ｐ）であれば、そのセンサノードはクラスタヘッドとなり、近傍のセンサノードに自身のことを広告（告知）する。

次に、クラスタヘッドとなっていないセンサノードが近傍のクラスタヘッドにクラスタ参加要求を行う。

その後、クラスタヘッドは近隣の各センサノードの稼働タイミングのＴＤＭＡ（Ｔｉｍｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）のスケジューリングを行い、近隣の各センサノードにスケジューリング結果の情報を通知することで、各センサノードの稼働時間を調整する。

一定期間が経過するとこのラウンドは完了し、次のラウンドとして、再び乱数ｋを生成し、クラスタヘッドの抽出を行う。

本実施例では、クラスタへの参加を要求する方法と、ＴＤＭＡのスケジューリングを設定する方法が通常のＬＥＡＣＨと異なる。以下、本実施例における動作について詳細に説明する。

ここでは、図３のセンセネットワークにおいてセンサノード１がクラスタヘッドに選出されたと想定する。そして、センサノード１の近傍のセンサノード２がセンサノード１にクラスタ参加要求を行うものとする。

センサノード２の制御部２５は、センサ２１の最新のセンサデータＤｐと、固有情報生成部２４で生成されたセンサノード２に固有の固有情報を取得し、通信モジュール２２を使ってセンサノード１にこれらの情報を送信する。センサノード１は、近傍の複数のセンサノードｉから同様の情報を受信する。

クラスタヘッドとなったセンサノード１の制御部１５は、得られた固有情報から、近傍のセンサノードｉの位置Ｌｉを２次元の座標（ｘｉ，ｙｉ）、もしくは３次元の座標（ｘｉ，ｙｉ，ｚｉ）として、センサネットワークがカバーするエリア（センサエリア）にマッピングする。

次に、制御部１５は、センサエリアにおける各センサノードｉの位置に対するスカラー値として、各センサノードｉから収集したセンサデータＤｐｉをマッピングする。更に、制御部１５は、それらセンサデータ間を近似によって補間してスカラー場Ｄｐ＝φ（Ｌ）を形成する。

なお、制御部１５は、センサノードｉの位置をセンサエリア上にマッピングする場合、必ずしもセンサノードｉの物理的な位置を用いる必要はなく、電波強度などを利用して算出した仮想的な位置を利用しても良い。

続いて、制御部１５は、センサエリア上に形成されたスカラー場Ｄｐ＝φ（Ｌ）の各位置における勾配を計算する。そして、制御部１５は、勾配の絶対値｜φ（Ｌ）｜を元に、クラスタ参加要求があったセンサノードのＴＤＭＡスケジューリングを設定し、稼働率を調整する。

たとえば、制御部１５は、センサノードの位置における勾配の絶対値が一定値以上の場合、そのセンサノードのスケジューリングにおけるサンプリング間隔を最短値に設定する。また、制御部１５は、逆に、勾配の絶対値が一定値以下の位置のセンサノードのスケジューリングにおいては、サンプリング間隔を最短値よりも長い時間とする。例えば、最短値の２倍あるいは３倍のサンプリング間隔を設定するとよい。これにより、次のラウンドのクラスタヘッド選出まで、そのセンサノードを休止状態にしておくことができる。

ある位置でのセンサデータの勾配の絶対値が小さいことは、その位置が全方位的に近い値をもつエリアにあることを意味する。そのため、本実施例では、そのような位置のセンサデータのサンプリング間隔を長くし、センサノードの稼働時間を短縮することで、センサネットワーク全体の寿命を伸ばすことができる。また逆に、センサデータの勾配の絶対値が大きく、センサデータの変化が急峻な位置あるいはエリアでは、短いサンプリング間隔でサンプリングを行い、詳細なセンサデータをする。このようにして、本実施例では、センサネットワークの省電力化と高精度のデータ測定の両立が可能となっている。

また、本実施例では、Ｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇによりセンサデータを処理して得られる特徴情報をセンサネットワーク構成に利用するので、センサノードの密度によらず、観測すべき環境に応じて効率良く省電力化を実現し、センサネットワークの寿命を延ばすことができる。

また、Ｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇにより得られる特徴情報から、特徴あるエリアを重点的に測定するので、センサネットワークで取得するセンサデータの質が向上する。

また、Ｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇにより得られる特徴情報から、似通ったセンサデータを持つエリアの測定を間引くので、センサネットワークの通信データ量を効率良く削減することができる。

また、Ｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇにおいて特定のクエリを想定したようなデータの集約を行っていないので、センサネットワークの通信データ量を削減しつつ、予め想定されていないクエリに対しても同等の精度のセンサデータを提供することができる。

また、Ｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇにより得られる特徴情報から、似通ったデータを間引くことでセンサデータの総量を減らすので、センサネットワークへのクエリに対する応答を高速化することができる。

また、クエリの位置にセンサノードが存在しなくても、Ｉｎ−ｎｅｔｗｏｒｋ ｐｒｏｃｅｓｓｉｎｇによりセンサデータ間を補間して得られる勾配からセンサデータの推測値を返却するので、センサネットワークの特定位置へのクエリに対する応答におけるセンサデータの精度を向上することができる。

（第２の実施例）
第２の実施例におけるセンサネットワークの基本的な構成は図３に示した第１の実施例のものと同じである。

第１の実施例では、各センサノードが近傍のクラスタヘッドにクラスタ参加要求を送信する際に最新のセンサデータＤｐを送り、クラスタヘッドが各センサノードの最新のセンサデータの空間的な特徴に基づいてスケジューリングを行っていた。それに対して、第２の実施例では、各センサノードがクラスタヘッドに最新のセンサデータだけでなく過去から現在までの一定期間内のセンサデータを送り、クラスタヘッドが各センサノードの一定期間の時間的および空間的な特徴に基づいてスケジューリングを行う。これにより時間的な変化の勾配も加味し、ＴＤＭＡスケジュールを決定することができる。

第２の実施例では、まず、クラスタヘッドとなったセンサノードに、その近傍の各センサノードが過去から現在までの一定期間内（ｔ１，ｔ２，・・・，ｔｎ）のセンサデータＤｔ１，Ｄｔ２，・・・，Ｄｔｎを送る。

クラスタヘッドとなったセンサノード１の制御部１５は、近傍のセンサノードから得られた固有情報と、センサデータが取得された時刻とに基づき、近傍のセンサノードｉの位置Ｌｉおよび時刻ｔｊを、時間軸を含む３次元の座標（ｘｉ，ｙｉ，ｔｊ）、もしくは４次元の座標（ｘｉ，ｙｉ，ｚｉ，ｔｊ）として、センサエリアにマッピングする。

次に、制御部１５は、センサエリアにおける各センサノードｉの位置および時刻に対するスカラー値として、各センサノードで各時刻に測定されたセンサデータＤｔ１，Ｄｔ２，・・・，Ｄｔｎをマッピングする。更に、制御部１５は、それらセンサデータ間を近似によって補間してスカラー場を形成する。

なお、制御部１５は、センサノードｉの位置をセンサエリア上にマッピングする場合、必ずしもセンサノードｉの物理的な位置を用いる必要はなく、電波強度などを利用して算出した仮想的な位置を利用しても良い。

第２の実施例では、スカラー場に時刻を考慮しているため、時間変化に対する特徴を抽出して効率的なセンサネットワークを構成できる。例えば、あるクラスタヘッドが管理するエリア全体でセンサデータの空間的な変化は小さいが時間的には急変した場合、ＴＤＭＡのスケジュールにおけるサンプリング間隔を短くし、変化を詳細な測定データを取得することが可能となる。

また、第２の実施例では、勾配による空間的変化と時間的変化の相関関係を用いて、変化の激しいエリア（ホットスポット）の移動を予測し、その移動を先取りするようなスケジューリングを行うことも可能である。その結果、より移動の速いホットスポットに追従することができる。

（第３の実施例）
図４は、第３の実施例におけるセンサネットワークの構成を示すブロック図である。図４を参照すると、第３の実施例は、センサノード１、２が移動機構１６、２６を有している点で、図３に示した第１の実施例と異なっている。

第１、２の実施例では、クラスタヘッドとなったセンサノードは、センサデータの勾配の絶対値が大きなエリアではスケジュールにおけるサンプリング間隔を短く設定する。そのため、変化の激しいエリア（ホットスポット）が空間的に、ある部分に固定的に存在していた場合、その部分のセンサノードの寿命が他の部分よりも速く尽きる可能性がある。

第３の実施例では、クラスタヘッドとなったセンサノードは、ホットスポットの近傍にあるセンサノードのスケジュールのサンプリング間隔を短くする代わりに、そこにあるセンサノードに移動を指示し、ホットスポット近傍のセンサノード密度を高める。これにより、ホットスポット近傍のセンサノードの寿命だけを短くことなく、ホットスポットのセンサデータを詳細に測定することができる。

第３の実施例では、センサデータの特徴に応じてセンサノードが自律的に移動するため、変化が空間的に偏っているような環境に対してセンサノードを自動的に最適な配置とすることができる。例えば、火山などにセンサデータを配置する場合、広範囲に均一にセンサノードを散布しても、噴火口など着目すべき部分のセンサノードの密度を自動的に高めることができる。

以上、本発明の実施形態および実施例について述べてきたが、本発明は、これらの実施形態および実施例だけに限定されるものではなく、本発明の技術思想の範囲内において、これらを組み合わせて使用したり、一部の構成を変更したりしてもよい。

１、２ センサノード
１１、２１ センサ
１２、２２ 通信モジュール
１３、２３ 電源
１４、２４ 固有情報生成部
１５、２５ 制御部
１６、２６ 移動機構
１７ 特徴算出部
１８ ネットワーク制御部
４ 通信媒体

Claims (7)

1. 複数のセンサノードと、
   前記複数のセンサノードのそれぞれで測定されたセンサデータと、前記センサノードの設置エリアとに基づいて、前記センサノードの稼働間隔を含むスケジュールを算出し、前記スケジュールに基づいて前記センサノードを稼働させるセンサネットワーク制御装置と、を有し、
   前記稼働間隔は、前記センサデータの変化が激しいセンサノードほど小さく設定される、センサシステム。
2. 前記センサデータの変化が、前記設置エリアにおける前記センサデータの空間的な勾配または時間的な勾配もしくは空間的及び時間的な勾配である、請求項１に記載のセンサシステム。
3. 前記センサネットワーク制御装置は、前記複数のセンサノードが設置されたエリアにおける各センサノードが測定した前記センサデータ間を近似によって補間することでスカラー場を形成し、前記センサデータの変化が、前記スカラー場における前記センサデータの勾配である、請求項１または２に記載のセンサシステム。
4. 前記センサデータの変化が、前記設置エリアにおける前記センサデータの空間的及び時間的な勾配であり、
   前記センサネットワーク制御装置は、前記勾配による空間的変化と時間的変化の相関関係を用いて、前記センサデータの変化の激しいエリアを予測する、請求項１に記載のセンサシステム。
5. 前記稼働間隔は、前記勾配の絶対値が大きいほど小さく設定される、請求項２乃至４のいずれか一項に記載のセンサシステム。
6. 複数のセンサノードのそれぞれと通信可能な通信モジュールと、
   前記複数のセンサノードのそれぞれで測定されたセンサデータと、前記センサノードの設置エリアとに基づいて、前記センサノードの稼働間隔を含むスケジュールを算出し、前記スケジュールに基づいて前記センサノードを稼働させる制御部と、を有し、
   前記稼働間隔は、前記センサデータの変化が激しいセンサノードほど小さく設定される、センサネットワーク制御装置。
7. 複数のセンサノードのそれぞれで測定されたセンサデータと、前記センサノードの設置エリアとに基づいて、前記センサノードの稼働間隔を含むスケジュールを算出し、
   前記スケジュールに基づいて前記センサノードを稼働させ、
   前記稼働間隔を、前記センサデータの変化が激しいセンサノードほど小さく設定する、センサネットワーク制御方法。

Images