JP2017123124A - 無線通信異常検出方法、無線通信異常検出プログラム及び無線通信異常検出装置 - Google Patents

Abstract

【課題】高精度な無線通信の異常検出を実現する。【解決手段】無線状況データ収集部が、センサノードとの間の無線品質を示す複数種類のパラメータ（ＲＳＳＩ、ＬＱ、応答時間）を収集して無線状況ＤＢに記憶し、クラスタ分析部は、記憶されている直近Ｘセット分の指定パラメータセットを複数のクラスタに分類する（Ｓ１６）。そして、急激悪化判定部は、指定されたパラメータ（ＬＱ、応答時間）の平均値が他のクラスタよりも全て悪化するクラスタが存在する場合（Ｓ１８：肯定）に、急激な無線品質の悪化が発生したと推定する（Ｓ２４）。更に、トレンド分析部は、急激な無線品質の悪化が発生したと推定されなかった期間内に収集された複数種類のパラメータに悪化傾向が有るかトレンド分析し（Ｓ２８）、緩慢悪化判定部は、分析結果に基づいて、緩慢な無線品質の悪化が発生したか否かを判定する（Ｓ３２）。【選択図】図５

Description

本発明は、無線通信異常検出方法、無線通信異常検出プログラム及び無線通信異常検出装置に関する。

従来、広域にセンサノードを設置し、センサノードと無線通信可能な処理装置が、センサノードで計測された値を取得し、解析するシステムの開発・運用が進められている。例えば、マンホール蓋の裏側に設置したセンサから送信される下水の水位やガス濃度の計測値を受信した処理装置は、計測値を用いた診断を行うことでマンホール内の状態を検知する。

センサノードと処理装置との間の通信に無線通信が用いられる場合、車両等による遮蔽や、周辺からの干渉といった通信障害が発生し、処理装置が計測値を取得できなくなることがある。そのため、無線通信の異常を高精度に検知する技術が重要となる。

無線通信の異常検知技術としては、例えば、正常時の観測データで生成したクラスタと比較することで異常を検知する方法が知られている（例えば特許文献１等参照）。特許文献１の技術は、機械設備の異常診断・予防保全システムであり、運転スケジュールをもとに、正常な時系列データを用いて、時間帯ごとにクラスタを生成し、該クラスタと比較することにより異常を検知する技術である。

特許第５６８４９４１号

しかしながら、上記特許文献１等のように、正常時の観測データで生成したクラスタと比較する手法を採用しても、正常時のクラスタ内に品質悪化値が含まれることがあるため、正しく異常検知できない場合がある。

また、正常時に設定した閾値を用いて異常を検知する方法もあるが、閾値を設定する際に品質悪化値が含まれる可能性があり、正しく異常検知できない場合がある。更に、正常時の学習パターンを用いて異常を検知する方法もあるが、正常時の学習パターンどおりの波形が再び出現する可能性は限りなく低いため、正しく異常検知できない場合がある。

１つの側面では、本発明は、高精度な無線通信の異常検出が可能な無線通信異常検出方法、無線通信異常検出プログラム及び無線通信異常検出装置を提供することを目的とする。

一つの態様では、無線通信異常検出方法は、センサノードと無線通信可能なコンピュータが実行する無線通信異常検出方法であって、前記センサノードとの間の無線品質を示す複数種類のパラメータを収集して記憶部に記憶し、前記記憶部に記憶されたパラメータのうち、所定期間内に収集された特定種類のパラメータを含むパラメータセットを複数のクラスタに分類し、前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定し、前記急激な無線品質の悪化が発生したと推定されなかった期間については、該期間内に収集された前記複数種類のパラメータそれぞれに悪化傾向が有るかトレンド分析し、分析結果に基づいて、緩慢な無線品質の悪化が発生したと推定する、処理を前記コンピュータが実行するものである。

１つの側面として、高精度な無線通信の異常検出が可能となる。

第１の実施形態に係る情報収集システムの構成を概略的に示す図である。 図２（ａ）は、ゲートウェイのハードウェア構成を示す図であり、図２（ｂ）は、サーバのハードウェア構成を示す図である。 ゲートウェイの機能ブロック図である。 無線状況ＤＢ３２のデータ構造の一例を示す図である。 第１の実施形態に係るゲートウェイの処理を示すフローチャートである。 図５の処理で収集されるパラメータを示す図である。 図７（ａ）は、クラスタリング処理の結果の一例を示す図であり、図７（ｂ）は、各クラスタのパラメータそれぞれの平均値を示す表であり、図７（ｃ）は、パラメータそれぞれの有意差を示す表である。 図８（ａ）は、図６の範囲Ｗの左側の時間に収集されたパラメータについてトレンド分析した場合の例を示す図であり、図８（ｂ）は、図６の範囲Ｗの右側の時間に収集されたパラメータについてトレンド分析した場合の例を示す図である。 第２の実施形態に係るゲートウェイの処理を示すフローチャートである。

《第１の実施形態》
以下、無線通信異常検知が可能な情報収集システムの第１の実施形態について、図１〜図８に基づいて詳細に説明する。

図１には、第１の実施形態に係る情報収集システム１００の構成が概略的に示されている。情報収集システム１００は、多数のセンサノード７０と、無線通信異常検出装置としてのゲートウェイ１０と、サーバ６０と、を備える。ゲートウェイ１０とサーバ６０とは、ネットワーク８０に接続されている。

センサノード７０は、例えば、マンホールの蓋の裏面に設けられ、マンホール内の下水の水位やガス濃度を計測し、計測値をゲートウェイ１０に対して無線通信にて送信する。センサノード７０は、図３に示すように、水位やガス濃度を計測する計測部７２と、計測部７２の計測値を無線通信にてゲートウェイ１０に送信する通信部７４と、を備えている。

ゲートウェイ１０は、例えば、電柱などに設置される装置であり、センサノード７０から計測値を受信し、受信した計測値をネットワーク８０を介してサーバ６０に送信する装置である。また、ゲートウェイ１０は、センサノード７０とゲートウェイ１０との間の無線通信の異常を検出し、検出結果をサーバ６０に対して送信する。

図２（ａ）には、ゲートウェイ１０のハードウェア構成が示されている。図２（ａ）に示すように、ゲートウェイ１０は、ＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、記憶部（ここではＨＤＤ（Hard Disk Drive））９６、通信部９７、及び可搬型記憶媒体用ドライブ９９等を備えている。通信部９７は、センサノード７０の通信部７４と無線通信する機能、及びネットワーク８０を介してサーバ６０と通信する機能を有する。ゲートウェイ１０の構成各部は、バス９８に接続されている。ゲートウェイ１０では、ＲＯＭ９２あるいはＨＤＤ９６に格納されているプログラム（無線通信異常検出プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（無線通信異常検出プログラムを含む）をＣＰＵ９０が実行することにより、図３に示す各部の機能が実現される。なお、図３の各部の詳細については、後述する。

サーバ６０は、センサノード７０において計測された計測値をゲートウェイ１０から取得したり、ゲートウェイ１０による無線通信の異常検出結果を収集したりする。また、サーバ６０は、異常が発生したことをネットワーク８０に接続されたクライアント（不図示）に出力することで、クライアントの利用者（例えば管理者）に報知する。図２（ｂ）には、サーバ６０のハードウェア構成が示されている。サーバ６０は、図２（ｂ）に示すように、ゲートウェイ１０と同様、ＣＰＵ１９０、ＲＯＭ１９２、ＲＡＭ１９４、記憶部（ＨＤＤ）１９６、通信部１９７、及び可搬型記憶媒体１９１の読み取りが可能な可搬型記憶媒体用ドライブ１９９等を備えている。サーバ６０の構成各部は、バス１９８に接続されている。

次に、ゲートウェイ１０の機能について、図３に基づいて詳細に説明する。図３に示すように、ゲートウェイ１０では、ＣＰＵ９０がプログラムを実行することで、計測値取得部１１、収集部としての無線状況データ収集部１２、クラスタ分析部１４、急激悪化判定部１６、トレンド分析部１８、緩慢悪化判定部２０、特定部としての無線障害内容判定部２２、として機能する。

計測値取得部１１は、センサノード７０の計測部７２で計測される計測値（例えば水位やガス濃度）を無線通信により取得し、計測値ＤＢ３０に格納する。

無線状況データ収集部１２は、センサノード７０の通信部７４と計測値取得部１１との間の無線品質を示す複数のパラメータを、所定間隔で収集し、記憶部としての無線状況ＤＢ３２に格納する。ここで、無線状況ＤＢ３２は、図４に示すようなデータ構造を有する。図４に示すように、無線状況ＤＢ３２は、「パラメータセット順」、「電波強度（ＲＳＳＩ）[ｄＢｍ]」、「リンク品質（ＬＱ）」、「応答時間［ｍｓ］」の各フィールドを有する。「パラメータセット順」のフィールドには順番を示す通し番号が格納される。「電波強度（ＲＳＳＩ）[ｄＢｍ]」のフィールドには、計測値取得部１１が受信する電波の強度を示す値（ＲＳＳＩ：Received Signal Strength Indicator）が格納される。電波強度は、遮蔽により悪化し、値が小さくなる。「リンク品質（ＬＱ）」のフィールドには、リンク品質（Link Quality）の値を格納する。リンク品質は、遮蔽や干渉により悪化し、値は小さくなる。「応答時間［ｍｓ］」のフィールドには、計測値取得部１１がセンサノード７０に対して計測値を要求してから取得するまでに要する時間が格納される。応答時間は、遮蔽及び干渉により悪化し、値は大きくなる。

図３に戻り、クラスタ分析部１４は、予め指定された種類のパラメータを含むセット（指定パラメータセット）が無線状況データ収集部１２において所定数収集された場合に、指定パラメータセットをクラスタリングする。急激悪化判定部１６は、クラスタリング結果に基づいて、無線通信品質が急激に悪化したか否かを判定する。

トレンド分析部１８は、急激悪化判定部１６が無線通信品質が急激に悪化したと判定しなかった期間のパラメータを用いてトレンド分析する。緩慢悪化判定部２０は、トレンド分析部１８による分析結果に基づいて、無線通信品質が緩慢に悪化したか否かを判定する。

無線障害内容判定部２２は、急激悪化判定部１６と緩慢悪化判定部２０の判定結果を参照し、無線通信品質が悪化している期間に収集されたパラメータを分析して、無線障害の原因を特定する。

（ゲートウェイ１０の処理）
次に、ゲートウェイ１０の処理について、図５のフローチャートに沿って、その他図面を参照しつつ、詳細に説明する。なお、本処理の前提として、無線品質の異常判定に用いるパラメータとして３つのパラメータ（電波強度（ＲＳＳＩ）、リンク品質（ＬＱ）、応答時間）が指定されているものとする。また、クラスタ分析部１４がクラスタリングを行うパラメータ（指定パラメータセットに含まれるパラメータ）として、２つのパラメータ（リンク品質（ＬＱ）、応答時間）が指定されているものとする。

図５の処理では、まず、ステップＳ１０において、クラスタ分析部１４が、無線状況ＤＢ３２の更新通知を無線状況データ収集部１２から受信する。なお、無線状況データ収集部１２は、無線状況ＤＢ３２にデータを格納すると、クラスタ分析部１４に対して更新通知を送信する。なお、ステップＳ１０では、クラスタ分析部１４は、定期的に無線状況ＤＢ３２を監視し、更新日時や最新データに基づいて、無線状況ＤＢ３２の更新が行われたかを確認してもよい。この場合、クラスタ分析部１４は、無線状況ＤＢ３２の更新が行われた段階で、ステップＳ１２に移行する。

次いで、ステップＳ１２では、クラスタ分析部１４が、パラメータ（ＲＳＳＩ、ＬＱ、応答時間）が全て揃っているか否かを判断する。このステップＳ１２の判断が否定されると、クラスタ分析部１４は、ステップＳ１０に戻る。一方、パラメータ全てが揃っており、ステップＳ１２の判断が肯定されると、ステップＳ１４に移行する。

ステップＳ１４に移行すると、クラスタ分析部１４は、直前にステップＳ１６以降の処理を実行した後、所定数（例えば、６つ）の指定パラメータセットが無線状況ＤＢ３２に追加されたか否かを判断する。このステップＳ１４の判断が否定された場合には、クラスタ分析部１４は、ステップＳ１０に戻る。一方、所定数の指定パラメータセットが追加された場合には、ステップＳ１４の判断が肯定され、クラスタ分析部１４はステップＳ１６に移行する。

ステップＳ１６に移行すると、クラスタ分析部１４は、指定した直近Ｘセット分の指定パラメータセット（所定期間に取得された指定パラメータセット）を指定したクラスタ数にクラスタリングする。クラスタリングは、対象データ同士が似ているか似ていないかを基準に複数のグループに分割する手法である。クラスタリング方法としては、既存の方法（例えば、K-Means法やX-Means法）を採用することができる。ここで、図６には、パラメータ（ＲＳＳＩ、ＬＱ、応答時間）の時系列データの一例が示されている。本実施形態では、図６において範囲Ｗで示される範囲内の指定パラメータセットをクラスタリングした結果、一例として、クラスタＩＤ＝Ａ，Ｂのクラスタに分割され、図７（ａ）に示すような順序でクラスタが得られたとする。

次いで、ステップＳ１８では、急激悪化判定部１６が、予め指定されているパラメータ(ＬＱ、応答時間)の平均値が全て悪化するクラスタがあるか否かを判断する。図７（ｂ）には、クラスタＡ，Ｂの各パラメータの平均値の一例が示されている。予め指定されているパラメータ（ＬＱ、応答時間）の平均値は、いずれもクラスタＢよりクラスタＡの方が悪化していることが分かる。このような場合には、ステップＳ１８の判断は肯定され、ステップＳ２０に移行する。一方、ステップＳ１８の判断が否定された場合には、ステップＳ２６に移行する。

ステップＳ１８の判断が肯定されて、ステップＳ２０に移行すると、急激悪化判定部１６は、各クラスタの各パラメータに有意差があるか否かを判断する。なお、有意差を算出する方法としては、既存の方法（例えば、Ｔ検定）を利用することができる。図７（ｃ）には、Ｔ検定により算出された各パラメータのｐ値が示されている。このｐ値が所定の閾値（例えば０．０５（５％））よりも小さければ、有意差があると判断することができる。なお、Ｔ検定については、例えば特開２０１４−０３８５７８号公報等に開示されている。なお、閾値については、０．０５以外の値を設定してもよい。

ステップＳ２０の判断が否定された場合には、急激悪化判定部１６は、ステップＳ２６に移行するが、肯定された場合には、ステップＳ２２に移行する。なお、図７（ｃ）の場合、電波強度（ＲＳＳＩ）には有意差がないが、リンク品質（ＬＱ）と応答時間に有意差があることが分かる。

ステップＳ２０の判断が肯定され、ステップＳ２２に移行すると、急激悪化判定部１６は、各クラスタに、指定数（例えば、７個）以上の連続データが含まれているか否かを判断する。図７（ａ）の場合、クラスタＡには、データセット順２７〜３４と４５〜５１に７個以上の連続データがあり、クラスタＢには、データセット順１〜１７と３５〜４４に７個以上の連続データがある。このステップＳ２２の判断が否定された場合には、ステップＳ２６に移行し、肯定された場合には、ステップＳ２４に移行する。

ステップＳ１８、Ｓ２０，Ｓ２２の全ての判断が肯定され、ステップＳ２４に移行すると、急激悪化判定部１６が、所定時間（範囲Ｗ）において、急激な無線品質悪化が発生したと判定し、悪化したパラメータを無線障害内容判定部２２に通知する。図７（ｂ）、図７（ｃ）の例では、悪化したパラメータとして、急激悪化判定部１６は、数値的に悪化しており、かつ有意差のあるリンク品質（ＬＱ）と応答時間を通知する。

ステップＳ２４の後は、ステップＳ３４に移行し、無線障害内容判定部２２が、悪化したパラメータに基づいて、無線障害の内容を判定する。例えば、通知された悪化したパラメータが電波強度（ＲＳＳＩ）、リンク品質（ＬＱ）、応答時間の全てであった場合には、無線障害の内容を遮蔽と判定する。また、例えば、通知された悪化したパラメータがリンク品質（ＬＱ）、応答時間であった場合には、無線障害の内容を干渉と判定する。なお、図７（ｂ）、図７（ｃ）の例では、無線障害の内容が干渉と判定されることになる。ステップＳ３４の処理が行われた後は、ステップＳ１０に戻る。

一方、ステップＳ１８、Ｓ２０，Ｓ２２のいずれにおいて判断が否定された場合、すなわち、予め指定されたパラメータの平均値が全て悪化するクラスタがない場合、パラメータの全てに有意差がない場合、各クラスタに指定数以上の連続データがない場合のいずれかに該当する場合には、ステップＳ２６に移行する。ステップＳ２６に移行すると、トレンド分析部１８は、連続して、ステップＳ１８〜Ｓ２２のいずれかの判断が否定されたか否かを判断する。このステップＳ２６の判断が否定された場合には、ステップＳ１０に戻る。一方、ステップＳ２６の判断が肯定された場合（ステップＳ２６の判断が繰り返し実行された場合）には、ステップＳ２８に移行する。なお、ステップＳ２６においては、最小連続数や最大連続数を予め指定してもよい。最小連続数を指定した場合には、該最小連続数を超えた段階で、ステップＳ２６の判断が肯定されることになる。また、最大連続数を指定した場合には、該最大連続数を超えた段階で、連続数をリセットし、ステップＳ１０に戻る。

ステップＳ２６の判断が肯定され、ステップＳ２８に移行すると、トレンド分析部１８は、ステップＳ１８、Ｓ２０、Ｓ２２のいずれかの判断が否定されていた間の、３つのパラメータそれぞれについてトレンド分析する。なお、トレンド分析の方法としては、既存の方法（例えば最小二乗法）を採用することができる。例えば、図６の範囲Ｗの左側の時間に収集されたパラメータについてトレンド分析した場合の例が、図８（ａ）に示されている。図８（ａ）の例では、トレンド分析において各パラメータの波形に対し最小二乗法を適用し、近似１次直線（図８（ａ）の破線参照）を求めることとしている。図８（ａ）においては、リンク品質（ＬＱ）の近似１次直線の傾きが正であるため、良化していることが分かる。また、電波強度（ＲＳＳＩ）と応答時間については、傾きがほぼ０であり、変化がないことが分かる。また、図６の範囲Ｗの右側の時間に収集されたパラメータについてトレンド分析した場合の例が、図８（ｂ）に示されている。図８（ｂ）の例では、リンク品質（ＬＱ）、電波強度（ＲＳＳＩ）、応答時間のいずれも、近似１次直線の傾きがほぼ０であるため、変化がないことが分かる。なお、本処理においては、良化を判定するための傾きの閾値や悪化を判定するための傾きの閾値を予め設定しておくことが好ましい。

次いで、ステップＳ３０では、緩慢悪化判定部２０が、指定した値以上に、悪化傾向のパラメータがあるか否かを判断する。このステップＳ３０の判断が否定された場合には、ステップＳ１０に戻るが、肯定された場合には、ステップＳ３２に移行する。

ステップＳ３２に移行すると、緩慢悪化判定部２０は、緩慢な無線品質悪化と判定し、悪化したパラメータを無線障害内容判定部２２に対して通知する。次いで、ステップＳ３４では、無線障害内容判定部２２が、悪化したパラメータに基づいて、無線障害の内容を判定する。この場合、前述したように、悪化したパラメータが電波強度（ＲＳＳＩ）、リンク品質（ＬＱ）、応答時間の全てであった場合には、無線障害の内容を遮蔽と判定する。また、悪化したパラメータがリンク品質（ＬＱ）、応答時間であった場合には、無線障害の内容を干渉と判定する。その後は、ステップＳ１０に戻る。

なお、無線障害内容判定部２２は、判定結果をサーバ６０に通知する。サーバ６０は、判定結果を受信した場合、ネットワーク８０に接続されているクライアントに通知することで、クライアントの利用者（管理者等）に無線障害が発生したこと及びその原因を報知することができる。

なお、図６の例では、範囲Ｗにおいては、クラスタ分析の結果、急激な無線品質悪化が発生し、その原因が干渉であると判定される。また、範囲Ｗ以外では、無線品質悪化は発生しなかったと判定される。

以上、詳細に説明したように、本第１の実施形態によると、ゲートウェイ１０では、無線状況データ収集部１２が、センサノード７０との間の無線品質を示す複数種類のパラメータ（ＲＳＳＩ，ＬＱ、応答時間）を収集して無線状況ＤＢ３２に記憶し、クラスタ分析部１４は、記憶されたパラメータのうち、直近Ｘセット分の指定パラメータセット（ＲＳＳＩ，ＬＱ，応答時間）を複数のクラスタに分類する（Ｓ１６）。そして、急激悪化判定部１６は、指定されたパラメータ（ＬＱ，応答時間）の平均値が他のクラスタよりも全て悪化するクラスタが存在する場合（Ｓ１８：肯定）に、急激な無線品質の悪化が発生したと推定する（Ｓ２４）。更に、トレンド分析部１８は、急激な無線品質の悪化が発生したと推定されなかった期間については、該期間内に収集された複数のパラメータそれぞれに悪化傾向が有るかトレンド分析し（Ｓ２８）、緩慢悪化判定部２０は、トレンド分析結果に基づいて、緩慢な無線品質の悪化が発生したか否かを判定する（Ｓ３２）。このように、無線品質の急激な変化（異常発生）の有無をクラスタリング手法で判定し、クラスタ間に相対的な無線品質差が見られない場合に、トレンド分析で無線品質の緩慢な悪化を判定することで、急激な無線品質の変化及び緩慢な無線品質の変化の無線障害を精度よく検出することができる。また、本第１の実施形態では、正常時の学習パターンと比較する手法や正常時の観測データで生成したクラスタや閾値と比較する手法のように、ゆらぎが大きい可能性のある正常時のデータを基にしていないため、誤判定の発生を低減することができる。

ここで、クラスタリングの場合、正常から異常への変化のスピードが急激な場合は検知できる可能性が高いが、変化が緩やかな場合は誤判定する場合がある。したがって、本第１の実施形態のような方法を採用することで、クラスタリングでは高精度に判定することができない可能性のある無線品質の変化をトレンド分析により高精度に判定することが可能となる。

また、本第１の実施形態では、急激悪化判定部１６は、ステップＳ１８の判断が肯定され、かつ、ステップＳ２０において各クラスタの各パラメータに有意差があると判断された場合に、急激な無線品質の悪化が発生したと判定する。この場合、クラスタ間に明確な品質差がある場合に急激な無線品質の悪化が発生したと判定するので、精度の高い判定が可能となる。

また、本第１の実施形態では、急激悪化判定部１６は、ステップＳ１８、Ｓ２０の判断が肯定され、かつステップＳ２２で各クラスタに指定数以上の連続データが含まれると判断された場合に、急激な無線品質の悪化が発生したと判定する。この場合、ノイズ的なデータを除外して判定を行うこととなるので、急激な無線品質の悪化判定精度を向上することができる。

また、本第１の実施形態では、急激悪化判定部１６により急激な無線品質の悪化が発生したと判定された場合に、無線障害内容判定部２２は、平均値が他のクラスタよりも悪化したパラメータの種類に基づいて、無線品質悪化の原因を特定する（Ｓ３４）。また、緩慢悪化判定部２０により緩慢な無線品質の悪化が発生したと判定された場合に、無線障害内容判定部２２は、悪化傾向のあったパラメータの種類に基づいて、無線品質悪化の原因を特定する（Ｓ３４）。これにより、各パラメータの変化に基づいて、無線品質悪化の原因（内容）を精度よく特定することが可能となる。

なお、上記第１の実施形態では、急激悪化判定部１６は、ステップＳ１８、Ｓ２０、Ｓ２２の判断を実行する場合について説明したが、これに限られるものではない。例えば、急激悪化判定部１６は、ステップＳ１８の判断のみ実行してもよいし、ステップＳ１８の判断と、ステップＳ２０又はＳ２２の判断と、を実行することとしてもよい。

なお、上記第１の実施形態において、収集するパラメータやクラスタリングに用いるパラメータは一例である。その他のパラメータを収集し、その他のパラメータを用いてクラスタリングを行うこととしてもよい。

《第２の実施形態》
次に、第２の実施形態について、図９に基づいて詳細に説明する。本第２の実施形態の情報収集システムの構成は、第１の実施形態と同様であるが、ゲートウェイ１０が、図５の処理と並行して図９の処理を実行する点が異なる。

なお、図５の処理においては、無線状況データ収集部１２がパラメータ（ＲＳＳＩ，ＬＱ，応答時間）を収集する間隔は、計測値取得部１１が計測値を取得する間隔よりも長く設定するものとする。例えば、計測値の収集間隔を１０秒とすると、１０秒よりも長い所定時間（例えば３０秒）や、１０秒の所定倍（例えば、１０秒×３＝３０秒）などの時間をパラメータの収集間隔として設定する。

図９の処理は、無線状況データ収集部１２によるパラメータの収集間隔を調整する処理である。なお、図９の処理において収集するデータの種類は予め定められているものとする。本実施形態では、計測値を取得する間隔（例えば１０秒間隔）で収集可能なデータ（応答時間、計測値の取得可否の情報）が、収集するデータとして定められているものとする。なお、計測値の取得可否の情報は、例えば、計測値取得部１１が計測値を取得できた場合を「１」、取得できなかった場合を「０」とする情報である。

図９の処理では、まず、ステップＳ１１０において、クラスタ分析部１４が、無線状況ＤＢ３２の更新通知を無線状況データ収集部１２から受信する。なお、無線状況データ収集部１２は、無線状況ＤＢ３２にデータを格納すると、クラスタ分析部１４に対して更新通知を送信する。本第２の実施形態では、無線状況データ収集部１２は、更新通知を１０秒間隔でクラスタ分析部１４に送信する。なお、ステップＳ１１０では、クラスタ分析部１４は、定期的に無線状況ＤＢ３２を監視し、更新日時や最新データに基づいて、無線状況ＤＢ３２の更新が行われたかを確認してもよい。

次いで、ステップＳ１１２では、クラスタ分析部１４が、指定した種類のデータ（応答時間、取得可否情報）が全て揃っているか否かを判断する。このステップＳ１１２の判断が否定されると、クラスタ分析部１４は、ステップＳ１１０に戻る。一方、指定した種類のデータの全てが揃っており、ステップＳ１１２の判断が肯定されると、ステップＳ１１４に移行する。

ステップＳ１１４に移行すると、クラスタ分析部１４は、直前にステップＳ１１６以降の処理を実行した後、所定数（例えば、６つ）のデータセット（指定した種類のデータのセット）が無線状況ＤＢ３２に追加されたか否かを判断する。このステップＳ１１４の判断が否定された場合には、クラスタ分析部１４は、ステップＳ１１０に戻る。一方、所定数のデータセットが追加された場合には、ステップＳ１１４の判断が肯定され、クラスタ分析部１４はステップＳ１１６に移行する。

ステップＳ１１６に移行すると、クラスタ分析部１４は、指定した直近Ｘセット分のデータセットを指定したクラスタ数にクラスタリングする。クラスタリング方法としては、図５のステップＳ１６と同様、既存の方法（例えば、K-Means法やX-Means法）を採用することができる。

次いで、ステップＳ１１８では、急激悪化判定部１６が、指定した種類のデータ（応答時間、取得可否情報)の平均値の全てが悪化するクラスタがあるか否かを判断する。ステップＳ１１８の判断が肯定されると、ステップＳ１２０に移行する。一方、ステップＳ１１８の判断が否定された場合には、ステップＳ１２６に移行する。

ステップＳ１１８の判断が肯定されて、ステップＳ１２０に移行すると、急激悪化判定部１６は、各クラスタの全てのデータそれぞれに有意差があるか否かを判断する。なお、有意差を算出する方法としては、図５のステップＳ１８と同様、既存の方法（例えば、Ｔ検定）を利用することができる。ステップＳ１２０の判断が否定された場合には、急激悪化判定部１６は、ステップＳ１２６に移行するが、肯定された場合には、ステップＳ１２２に移行する。

ステップＳ１２０の判断が肯定され、ステップＳ１２２に移行すると、急激悪化判定部１６は、各クラスタに、指定数（例えば、７個）以上の連続データが含まれているか否かを判断する。このステップＳ１２２の判断が否定された場合には、ステップＳ１２６に移行し、肯定された場合には、ステップＳ１２４に移行する。

ステップＳ１１８、Ｓ１２０，Ｓ１２２の全ての判断が肯定され、ステップＳ１２４に移行すると、急激悪化判定部１６は、急激な無線品質悪化の可能性があると判定する。そして、急激悪化判定部１６は、無線品質を示すパラメータ（ＲＳＳＩ，ＬＱ，応答品質）の収集頻度を上げるよう、無線状況データ収集部１２に通知する。無線状況データ収集部１２は、通知を受けると、無線品質を示すパラメータの収集頻度を、例えば３０秒間隔から１０秒間隔とする。なお、パラメータの収集間隔は、計測値の取得間隔（１０秒間隔）と一致していなくてもよく、例えば、計測値の取得間隔よりも短い間隔（例えば８秒間隔）としてもよい。

一方、ステップＳ１１８、Ｓ１２０，Ｓ１２２のいずれかにおいて判断が否定され、ステップＳ１２６に移行すると、急激悪化判定部１６は、無線品質を示すパラメータの収集頻度を初期値にする（又は初期値に維持する）。

ステップＳ１２４又はＳ１２６の後は、ステップＳ１１０に戻り、上述した処理を繰り返し実行する。

以上の処理を行うことで、急激な無線品質悪化の可能性があると判定されるまでは、長い間隔（３０秒間隔）で収集されたパラメータを用いて、図５の処理が実行される。そして、急激な無線品質悪化の可能性があると判定された場合に、パラメータの収集間隔を短くし、図５の処理が実行されるようになっている。このように、パラメータの収集間隔を動的に変更することにより、無線通信の負荷の削減と、無線通信の異常判定の高精度化を両立することが可能となる。

以上、詳細に説明したように、本第２の実施形態によると、無線状況データ収集部１２は、センサノード７０からの計測値の取得可否情報と、計測値を取得する際のセンサノード７０の応答時間と、含むデータセットを収集して無線状況ＤＢ３２に記憶する。また、クラスタ分析部１４は、記憶されたデータセットのうち、直近Ｘセットのデータセットを複数のクラスタに分類する（Ｓ１１６）。そして、急激悪化判定部１６は、取得可否情報の平均及び応答時間の平均が他のクラスタよりも悪化するクラスタが存在する場合（Ｓ１１８：肯定）に、パラメータ（ＲＳＳＩ，ＬＱ，応答時間）の収集頻度を上げる（Ｓ１２４）。これにより、パラメータの収集間隔を適切な間隔に調整することができるので、無線通信の負荷の削減と、無線通信の異常判定の精度向上を図ることが可能である。

また、本第２の実施形態では、急激悪化判定部１６は、ステップＳ１１８の判断が肯定され、かつ、ステップＳ１２０において、各クラスタの各パラメータに有意差があると判断された場合に、急激な無線品質の悪化の可能性があると判定する。この場合、クラスタ間に明確な品質差がある場合に急激な無線品質の悪化の可能性があると判定するので、精度の高い判定が可能となる。

また、本第２の実施形態では、急激悪化判定部１６は、ステップＳ１１８、Ｓ１２０の判断が肯定され、かつ、ステップＳ１２２において、各クラスタに指定数以上の連続データが含まれると判断された場合に、急激な無線品質の悪化の可能性があると判定する。この場合、ノイズ的なデータを除外して判定を行うこととなるので、急激な無線品質の悪化の可能性の判定精度を向上することができる。

なお、上記第２の実施形態の処理は、センサノード７０の計測値を定期的に取得するシステムだけでなく、不定期であるが、センサノード７０からの計測値の通知頻度が高いシステムにおいても適用することが可能である。

なお、上記第２の実施形態では、急激悪化判定部１６は、ステップＳ１１８、Ｓ１２０、Ｓ１２２の判断を実行する場合について説明したが、これに限られるものではない。例えば、急激悪化判定部１６は、ステップＳ１１８の判断のみ実行してもよいし、ステップＳ１１８の判断と、ステップＳ１２０又はステップＳ１２２の判断と、を実行することとしてもよい。

なお、上記第２の実施形態において、収集するデータセットに含まれるデータは一例である。すなわち、図９の処理においてその他のデータを収集してクラスタリングを行うこととしてもよい。

《第３の実施形態》
次に、第３の実施形態について説明する。第３の実施形態では、ゲートウェイ１０が、図５の処理を第１の実施形態と同様に実行するが、ゲートウェイ１０の負荷情報に応じて、処理量を動的に調整する点が異なる。

本第３の実施形態では、図５の処理において、ステップＳ２６の判断が肯定されると、ステップＳ２８に移行する。ステップＳ２８では、トレンド分析部１８は、ステップＳ１８〜Ｓ２２のいずれかの判断が否定されていた間に収集された各パラメータ（ＲＳＳＩ，ＬＱ，応答時間）について、トレンド分析する。このステップＳ２８においては、トレンド分析部１８は、トレンド分析中の、ＣＰＵ９０の使用率とメモリ（ＲＡＭ９４）の使用率を取得する。そして、トレンド分析部１８は、取得した使用率が、予め指定されている閾値を超えていた場合には、最大連続数をその時点の連続数（現時点においてステップＳ２６が繰り返されている回数）に設定する。またトレンド分析部１８は、取得した使用率が予め指定された閾値を下回っていた場合には、最大連続数をリセット、もしくはその時点の最大連続数＋αとする。

このように最大連続数をゲートウェイ１０の負荷情報に応じて、トレンド分析するデータ量を動的に変更することにより、分析コストの削減と、無線通信の異常判定の高精度化を図ることが可能となる。

なお、上記第３の実施形態では、トレンド分析部１８は、ゲートウェイ１０の負荷として、ＣＰＵ９０の使用率とメモリ（ＲＡＭ９４）の使用率を取得する場合について説明したが、これに限られるものではない。ゲートウェイ１０の負荷としては、その他のデータ（例えば、ＣＰＵの温度（発熱量）など）を取得してもよい。

なお、上記第１〜第３の実施形態では、無線障害の発生有無や内容判定の処理などをゲートウェイ１０において実行する場合について説明したが、これに限られるものではない。例えば、サーバ６０において上記第１〜第３の実施形態で説明したゲートウェイ１０の処理を実行するようにしてもよい。また、ゲートウェイ１０とサーバ６０とが分担して、上記第１〜第３の実施形態で説明したゲートウェイ１０の処理を実行するようにしてもよい。

なお、上記第１〜第３の実施形態では、センサノード７０がマンホール蓋に設けた水位やガス濃度を検出するセンサである場合について説明したが、これに限られるものではない。すなわち、センサノード７０の種類や設置場所については、適宜変更することができる。例えば、センサノード７０は、個人宅に設置される消費電力を検出するセンサなどであってもよい。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記録媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

なお、以上の実施形態の説明に関して、更に以下の付記を開示する。
（付記１） センサノードと無線通信可能なコンピュータが実行する無線通信異常検出方法であって、
前記センサノードとの間の無線品質を示す複数種類のパラメータを収集して記憶部に記憶し、
前記記憶部に記憶されたパラメータのうち、所定期間内に収集された特定種類のパラメータを含むパラメータセットを複数のクラスタに分類し、
前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定し、
前記急激な無線品質の悪化が発生したと推定されなかった期間については、該期間内に収集された前記複数種類のパラメータそれぞれに悪化傾向が有るかトレンド分析し、分析結果に基づいて、緩慢な無線品質の悪化が発生したと推定する、
処理を前記コンピュータが実行することを特徴とする無線通信異常検出方法。
（付記２） 前記急激な無線品質の悪化が発生したと推定する処理では、前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記複数種類のパラメータそれぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定することを特徴とする付記１に記載の無線通信異常検出方法。
（付記３） 前記急激な無線品質の悪化が発生したと推定された場合に、平均値が他のクラスタよりも悪化したパラメータの種類に基づいて、無線品質悪化の原因を特定し、
前記緩慢な無線品質の悪化が発生したと推定された場合に、悪化傾向のあったパラメータの種類に基づいて、無線品質悪化の原因を特定する、処理を前記コンピュータが更に実行することを特徴とする付記１又は２記載の無線通信異常検出方法。
（付記４） 前記センサノードからの計測値の取得可否情報と、前記計測値を取得する際の前記センサノードの応答時間と、含むデータセットを収集して前記記憶部に記憶し、
前記記憶部に記憶された前記データセットのうち、前記所定期間内に収集されたデータセットを複数のクラスタに分類し、
前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在する場合に、前記複数種類のパラメータの収集頻度を上げる、処理を前記コンピュータが更に実行することを特徴とする付記１〜３のいずれかに記載の無線通信異常検出方法。
（付記５） 前記収集頻度を上げる処理では、前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記取得可否情報及び前記応答時間それぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記複数種類のパラメータの収集頻度を上げる、ことを特徴とする付記４に記載の無線通信異常検出方法。
（付記６） 前記トレンド分析を行っている間の前記コンピュータの負荷情報を取得し、
前記負荷情報に基づいて、前記トレンド分析の対象とするパラメータセット数を調整する、
処理を前記コンピュータが更に実行することを特徴とする付記１〜５のいずれかに記載の無線通信異常検出方法。
（付記７） センサノードと無線通信可能なコンピュータに処理を実行させる無線通信異常検出プログラムであって、
前記センサノードとの間の無線品質を示す複数種類のパラメータを収集して記憶部に記憶し、
前記記憶部に記憶されたパラメータのうち、所定期間内に収集された特定種類のパラメータを含むパラメータセットを複数のクラスタに分類し、
前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定し、
前記急激な無線品質の悪化が発生したと推定されなかった期間については、該期間内に収集された前記複数種類のパラメータそれぞれに悪化傾向が有るかトレンド分析し、分析結果に基づいて、緩慢な無線品質の悪化が発生したと推定する、
処理を前記コンピュータに実行させることを特徴とする無線通信異常検出プログラム。
（付記８） 前記急激な無線品質の悪化が発生したと推定する処理では、前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記複数種類のパラメータそれぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定することを特徴とする付記７に記載の無線通信異常検出プログラム。
（付記９） 前記急激な無線品質の悪化が発生したと推定された場合に、平均値が他のクラスタよりも悪化したパラメータの種類に基づいて、無線品質悪化の原因を特定し、
前記緩慢な無線品質の悪化が発生したと推定された場合に、悪化傾向のあったパラメータの種類に基づいて、無線品質悪化の原因を特定する、処理を前記コンピュータに更に実行させることを特徴とする付記７又は８に記載の無線通信異常検出プログラム。
（付記１０） 前記センサノードからの計測値の取得可否情報と、前記計測値を取得する際の前記センサノードの応答時間と、含むデータセットを収集して前記記憶部に記憶し、
前記記憶部に記憶された前記データセットのうち、前記所定期間内に収集されたデータセットを複数のクラスタに分類し、
前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在する場合に、前記複数種類のパラメータの収集頻度を上げる、処理を前記コンピュータに更に実行させることを特徴とする付記７〜９のいずれかに記載の無線通信異常検出プログラム。
（付記１１） 前記収集頻度を上げる処理では、前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記取得可否情報及び前記応答時間それぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記複数種類のパラメータの収集頻度を上げる、ことを特徴とする付記１０に記載の無線通信異常検出プログラム。
（付記１２） 前記トレンド分析を行っている間の前記コンピュータの負荷情報を取得し、
前記負荷情報に基づいて、前記トレンド分析の対象とするパラメータセット数を調整する、
処理を前記コンピュータに更に実行させることを特徴とする付記７〜１１のいずれかに記載の無線通信異常検出プログラム。
（付記１３） センサノードと無線通信可能な無線通信異常検出装置であって、
前記センサノードとの間の無線品質を示す複数種類のパラメータを収集して記憶部に記憶する収集部と、
前記記憶部に記憶されたパラメータのうち、所定期間内に収集された特定種類のパラメータを含むパラメータセットを複数のクラスタに分類するクラスタ分析部と、
前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定する急激悪化判定部と、
前記急激な無線品質の悪化が発生したと推定されなかった期間内に収集された前記複数種類のパラメータそれぞれに悪化傾向が有るかトレンド分析するトレンド分析部と、
トレンド分析部の分析結果に基づいて、緩慢な無線品質の悪化が発生したと推定する緩慢悪化判定部と、
を備える無線通信異常検出装置。
（付記１４） 前記急激悪化判定部は、前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記複数種類のパラメータそれぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定することを特徴とする付記１３に記載の無線通信異常検出装置。
（付記１５） 前記急激悪化判定部が、前記急激な無線品質の悪化が発生したと推定した場合に、平均値が他のクラスタよりも悪化したパラメータの種類に基づいて、無線品質悪化の原因を特定し、前記緩慢悪化判定部が、前記緩慢な無線品質の悪化が発生したと推定した場合に、悪化傾向のあったパラメータの種類に基づいて、無線品質悪化の原因を特定する特定部を更に備える付記１３又は１４に記載の無線通信異常検出装置。
（付記１６） 前記収集部は、前記センサノードからの計測値の取得可否情報と、前記計測値を取得する際の前記センサノードの応答時間と、含むデータセットを収集して前記記憶部に記憶し、
前記クラスタ分析部は、前記記憶部に記憶された前記データセットのうち、前記所定期間内に収集されたデータセットを複数のクラスタに分類し、
前記急激悪化判定部は、前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在する場合に、前記複数種類のパラメータセットの収集頻度を上げる、ことを特徴とする付記１３〜１５のいずれかに記載の無線通信異常検出装置。
（付記１７） 前記急激悪化判定部は、前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記取得可否情報及び前記応答時間それぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記複数種類のパラメータの収集頻度を上げる、ことを特徴とする付記１６に記載の無線通信異常検出装置。
（付記１８） 前記トレンド分析部は、
前記トレンド分析を行っている間の負荷情報を取得し、
前記負荷情報に基づいて、前記トレンド分析の対象とするパラメータセット数を調整する、ことを特徴とする付記１３〜１７のいずれかに記載の無線通信異常検出装置。

１０ ゲートウェイ（無線通信異常検出装置）
１２ 無線状況データ収集部（収集部）
１４ クラスタ分析部
１６ 急激悪化判定部
１８ トレンド分析部
２０ 緩慢悪化判定部
２２ 無線障害内容判定部（特定部）
３２ 無線状況ＤＢ（記憶部）
７０ センサノード

Claims (8)

1. センサノードと無線通信可能なコンピュータが実行する無線通信異常検出方法であって、
   前記センサノードとの間の無線品質を示す複数種類のパラメータを収集して記憶部に記憶し、
   前記記憶部に記憶されたパラメータのうち、所定期間内に収集された特定種類のパラメータを含むパラメータセットを複数のクラスタに分類し、
   前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定し、
   前記急激な無線品質の悪化が発生したと推定されなかった期間については、該期間内に収集された前記複数種類のパラメータそれぞれに悪化傾向が有るかトレンド分析し、分析結果に基づいて、緩慢な無線品質の悪化が発生したと推定する、
   処理を前記コンピュータが実行することを特徴とする無線通信異常検出方法。
2. 前記急激な無線品質の悪化が発生したと推定する処理では、前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記複数種類のパラメータそれぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定することを特徴とする請求項１に記載の無線通信異常検出方法。
3. 前記急激な無線品質の悪化が発生したと推定された場合に、平均値が他のクラスタよりも悪化したパラメータの種類に基づいて、無線品質悪化の原因を特定し、
   前記緩慢な無線品質の悪化が発生したと推定された場合に、悪化傾向のあったパラメータの種類に基づいて、無線品質悪化の原因を特定する、処理を前記コンピュータが更に実行することを特徴とする請求項１又は２記載の無線通信異常検出方法。
4. 前記センサノードからの計測値の取得可否情報と、前記計測値を取得する際の前記センサノードの応答時間と、含むデータセットを収集して前記記憶部に記憶し、
   前記記憶部に記憶された前記データセットのうち、前記所定期間内に収集されたデータセットを複数のクラスタに分類し、
   前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在する場合に、前記複数種類のパラメータの収集頻度を上げる、処理を前記コンピュータが更に実行することを特徴とする請求項１〜３のいずれか一項に記載の無線通信異常検出方法。
5. 前記収集頻度を上げる処理では、前記取得可否情報の平均及び前記応答時間の平均が他のクラスタよりも悪化するクラスタが存在するとともに、前記複数のクラスタにおいて前記取得可否情報及び前記応答時間それぞれに所定の有意差がある場合、及び／又は前記複数のクラスタそれぞれが予め定めた数以上連続する場合に、前記複数種類のパラメータの収集頻度を上げる、ことを特徴とする請求項４に記載の無線通信異常検出方法。
6. 前記トレンド分析を行っている間の前記コンピュータの負荷情報を取得し、
   前記負荷情報に基づいて、前記トレンド分析の対象とするパラメータセット数を調整する、
   処理を前記コンピュータが更に実行することを特徴とする請求項１〜５のいずれか一項に記載の無線通信異常検出方法。
7. センサノードと無線通信可能なコンピュータに処理を実行させる無線通信異常検出プログラムであって、
   前記センサノードとの間の無線品質を示す複数種類のパラメータを収集して記憶部に記憶し、
   前記記憶部に記憶されたパラメータのうち、所定期間内に収集された特定種類のパラメータを含むパラメータセットを複数のクラスタに分類し、
   前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定し、
   前記急激な無線品質の悪化が発生したと推定されなかった期間については、該期間内に収集された前記複数種類のパラメータそれぞれに悪化傾向が有るかトレンド分析し、分析結果に基づいて、緩慢な無線品質の悪化が発生したと推定する、
   処理を前記コンピュータに実行させることを特徴とする無線通信異常検出プログラム。
8. センサノードと無線通信可能な無線通信異常検出装置であって、
   前記センサノードとの間の無線品質を示す複数種類のパラメータを収集して記憶部に記憶する収集部と、
   前記記憶部に記憶されたパラメータのうち、所定期間内に収集された特定種類のパラメータを含むパラメータセットを複数のクラスタに分類するクラスタ分析部と、
   前記複数種類のパラメータのうち指定された種類のパラメータの平均値が他のクラスタよりも全て悪化するクラスタが存在する場合に、前記所定期間内に急激な無線品質の悪化が発生したと推定する急激悪化判定部と、
   前記急激な無線品質の悪化が発生したと推定されなかった期間内に収集された前記複数種類のパラメータそれぞれに悪化傾向が有るかトレンド分析するトレンド分析部と、
   トレンド分析部の分析結果に基づいて、緩慢な無線品質の悪化が発生したと推定する緩慢悪化判定部と、
   を備える無線通信異常検出装置。

Images