JP2018084854A - センサデータ処理方法 - Google Patents

センサデータ処理方法 Download PDF

Info

Publication number
JP2018084854A
JP2018084854A JP2016225674A JP2016225674A JP2018084854A JP 2018084854 A JP2018084854 A JP 2018084854A JP 2016225674 A JP2016225674 A JP 2016225674A JP 2016225674 A JP2016225674 A JP 2016225674A JP 2018084854 A JP2018084854 A JP 2018084854A
Authority
JP
Japan
Prior art keywords
sensor data
data
unit
important
sensor
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.)
Pending
Application number
JP2016225674A
Other languages
English (en)
Inventor
一郎 新井
Ichiro Arai
一郎 新井
悠太 並木
Yuta Namiki
悠太 並木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2016225674A priority Critical patent/JP2018084854A/ja
Priority to US15/802,655 priority patent/US20180144621A1/en
Publication of JP2018084854A publication Critical patent/JP2018084854A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/48—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for in-vehicle communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W68/00—User notification, e.g. alerting and paging, for incoming communication, change of service or the like
    • H04W68/005—Transmission of information for alerting of incoming communication

Abstract

【課題】異常判定のために重要なセンサデータを逃さずにセンサデータの量を効果的に削減するのは困難であること。
【解決手段】エッジコンピュータは、取得手段と判定手段と圧縮手段とを備える。取得手段は、複数種目のセンサデータを取得する。判定手段は、取得した複数種目のセンサデータの間の関係が、正常時にセンサデータの種目間に成立する関係に一致するか否かを判定する。圧縮手段は、判定の結果に基づいて、取得したセンサデータを圧縮する。
【選択図】図１

Description

本発明は、センサデータ処理方法、エッジコンピュータ、プログラム、および、センサデータ処理システムに関する。
センサを有する複数のデバイスと、デバイスからセンサでセンシングされたデータ（センサデータ）を収集する１以上のエッジコンピュータと、ネットワークを通じてエッジコンピュータからセンサデータを収集するサーバ装置とから構成されたセンサデータ処理システムが、各種提案されている。
例えば、特許文献１では、規定された送信時機に規定されたセンサデータをエッジコンピュータであるゲートウェイ装置からネットワークを通じてサーバ装置へ送信するように構成されたセンサデータ処理システムが、提案されている。この特許文献１に記載された技術（第１の関連技術）では、ゲートウェイ装置は、デバイスから収集したセンサデータを一時的に蓄積し、例えば、送信時機で定義された定時になると、送信定義ＩＤで定義されたセンサデータをネットワーク経由でサーバ装置へ送信する。
また、特許文献２では、エッジコンピュータからサーバ装置への伝送容量を削減するようにしたセンサデータ処理システムが、提案されている。この特許文献２に記載された技術（第２の関連技術）では、エッジコンピュータである端末は、これから送信しようとしているセンサデータが、過去に送信した同一種目のセンサデータから予測できるか否かを判定し、予測できるセンサデータはサーバ装置へ送信しないことにより、伝送容量を削減する。
また、特許文献３では、室内機と室外機とを有し、室外機に各種のセンサとガスエンジンを備えてなるガスヒートポンプ型空調機器において、機器の運転状態を示す運転データを定期的にサンプリングして基準値と比較することにより、機器の異常の兆候を検出する技術が、提案されている。この特許文献３に記載された技術（第３の関連技術）では、まず、監視開始後の所定期間に機器の運転データをサンプリングして、機器の異常等を判断する基礎となる基準値を作成する初期監視モードを行う。次に、定期的に機器の運転データをサンプリングして基準値と比較することにより、機器の異常等の兆候の有無を判断する通常監視モードを行う。次に、通常監視モードにおいて機器の異常等の兆候が有ると判断された場合に、サンプリング頻度を高めて運転データをサンプリングして基準値と比較することにより、機器の異常等の兆候の有無を再度判断する集中監視モードを行う。
特開２０１５−２８７４２号公報 特開２０１４−２０９３１１号公報 特開２００４−３０９０１５号公報
上述した第１の関連技術では、エッジコンピュータであるゲートウェイ装置は、デバイスから収集したセンサデータを一時的に蓄積し、送信時機になるとセンサデータを一括してネットワークを介してサーバ装置へ送信する。この結果、ネットワークの負荷が増大する。上述した第２の関連技術によれば、エッジコンピュータである端末からネットワークを介してサーバ装置へ送信するデータ量を削減することができる。しかし、第２の関連技術は、予測を前提とする。そのために予測誤差が原因となって、異常判定のために重要なセンサデータが本来予測できないにもかかわらず誤って予測可能と判断されて送信されない事態を招く恐れがある。また、上述した第３の関連技術では、運転データのサンプリング頻度を変更しているため、異常判定のために重要なセンサデータがサンプリングされない事態を招く。例えば、通常監視モードにおけるサンプリング頻度を１０分当たり１回とすると、１０分以内の短い期間に生起して消失した異常の兆候は通常監視モードで検出できない。集中監視モードでは、通常監視モードに比べてサンプリング頻度を高めているが、通常監視モードで異常の兆候が検出されない限り集中監視モードは実行されない。このような問題は、通常監視モードにおけるサンプリング頻度を高めれば改善されるが、その代わりにデータ量が増大することになる。
本発明の目的は、上述した課題、即ち、異常判定のために重要なセンサデータを逃さずにセンサデータの量を効果的に削減するのは困難である、という課題を解決するセンサデータ処理方法を提供することにある。
本発明の一形態に係るセンサデータ処理方法は、
複数種目のセンサデータを取得し、
前記取得した複数種目のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係に一致するか否かを判定し、
前記判定の結果に基づいて、前記取得したセンサデータを圧縮する。
本発明の他の形態に係るエッジコンピュータは、
複数種目のセンサデータを取得する取得手段と、
前記取得した複数種目のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係に一致するか否かを判定する判定手段と、
前記判定の結果に基づいて、前記取得したセンサデータを圧縮する圧縮手段と、
を備える。
本発明の他の形態に係るプログラムは、
コンピュータを、
複数種目のセンサデータを取得する取得手段と、
前記取得した複数種目のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係に一致するか否かを判定する判定手段と、
前記判定の結果に基づいて、前記取得したセンサデータを圧縮する圧縮手段と、
して機能させる。
本発明の他の形態に係るセンサデータ処理システムは、
本発明に係るエッジコンピュータと、
上記エッジコンピュータに接続されたセンサを有するデバイスと、
上記エッジコンピュータに接続されたサーバ装置と、
を備える。
本発明は上述した構成を有するため、異常判定のために重要なセンサデータを逃さずにセンサデータの量を効果的に削減することができる。
本発明の第１の実施形態に係るセンサデータ処理システムのブロック図である。 本発明の第１の実施形態に係るセンサデータ処理システムにおけるエッジコンピュータの動作の一例を示すフローチャートである。 本発明の第１の実施形態に係るセンサデータ処理システムにおけるサーバ装置の動作の一例を示すフローチャートである。 本発明の第２の実施形態の構成を示すブロック図である。 本発明の第２の実施形態の動作の一例を示すフローチャートである。 車両において１秒間隔で採取したセンサデータの例を示す図である。 車両において１秒間隔で採取したセンサデータの他の例を示す図である。 車両において１秒間隔で採取したセンサデータの他の例を示す図である。 本発明の第３の実施形態の構成を示すブロック図である。 本発明の第３の実施形態の動作の一例を示すフローチャートである。 本発明の第４の実施形態の構成を示すブロック図である。 本発明の第４の実施形態の動作の一例を示すフローチャートである。 本発明の第５の実施形態の構成を示すブロック図である。 本発明の第５の実施形態の動作の一例を示すフローチャートである。
次に本発明の実施の形態について図面を参照して詳細に説明する。
[第１の実施形態]
図１を参照すると、本発明の第１の実施形態に係るセンサデータ処理システム１００は、複数のエッジコンピュータ１１０−１〜１１０−ｎと、サーバ装置１２０と、複数のデバイス１３０−１１〜１３０−ｎｍとを含んで構成される。また、それぞれのデバイス１３０−１１〜１３０−ｎｍは、少なくとも１つのセンサ１５０−１１〜１５０−ｎｍを内蔵している。また、それぞれのエッジコンピュータ１１０は、ＬＡＮ、移動体通信網、インターネット等のネットワーク１４０を介してサーバ装置１２０に接続されている。なお、以降の説明において、部材を区別する特段の理由がない場合には、ハイフン以下を省略し、エッジコンピュータ１１０などと表記する。
それぞれのデバイス１３０は、少なくとも１つのセンサ１５０を内蔵している。それぞれのセンサ１５０は、センサデータ処理システム１００が監視の対象とする機器、装置、システム、土壌、空間、水中など（以下、監視対象と記す）の物理的な状態をセンシングする。センサ１５０は、例えば、温度センサ、湿度センサ、圧力センサ、速度センサ、加速度センサ、位置を検出するＧＰＳセンサなどで構成される。それぞれのデバイス１３０は、内蔵するセンサ１５０でセンシングしたデータ（センサデータ）を自律的あるいは接続するエッジコンピュータ１１０からの要求に従って、接続するエッジコンピュータ１１０へ送信する。
それぞれのエッジコンピュータ１１０には、複数種類のセンサ１５０が接続されるように、１または複数のデバイス１３０が接続される。例えば、１つのエッジコンピュータ１１０には、互いに異なる１種類のセンサ１５０を内蔵する２以上のデバイス１３０が接続される。或いは、１つのエッジコンピュータ１１０には、２種類以上の複数のセンサ１５０を内蔵する１以上のデバイスが接続される。例えば、エッジコンピュータ１１０−１に接続されるｍ個のデバイス１３０−１１〜１３０−１ｍのｍ個のセンサ１５０−１１〜１５０−１ｍのうちの１つは温度センサであり、他の１つは圧力センサである。或いは、エッジコンピュータ１１０−ｎに接続されるｍ個のデバイス１３０−ｎ１〜１３０−ｎｍのｍ個のセンサ１５０−ｎ１〜１５０−ｎｍのうちの１つは車の加速度を測定するセンサであり、他の１つは車のブレーキ量を測定するセンサである。
また、それぞれのエッジコンピュータ１１０は、取得手段１１１と判定手段１１２と圧縮手段１１３と通信手段１１４とを備えている。これらの手段１１１〜１１４は、エッジコンピュータ１１０を構成するコンピュータとプログラムとで実現することができる。プログラムは、半導体メモリやＣＤ−ＲＯＭ等のコンピュータ読み取り可能な記録媒体に記録されて提供され、コンピュータの立ち上げ時などにコンピュータに読み取られ、コンピュータの動作を制御することにより、コンピュータ上に取得手段１１１と判定手段１１２の圧縮手段１１３と通信手段１１４とを実現する。
取得手段１１１は、エッジコンピュータ１１０に接続された複数のデバイス１３０のセンサ１５０からセンサデータを取得する機能を有する。例えば、取得手段１１１は、複数のセンサ１５０のセンサデータをデバイス１３０から一定の周期で取得する。或いは、取得手段１１１は、例えば毎時００分といった定時になる毎に、複数のセンサ１５０のセンサデータをデバイス１３０から取得する。取得手段１１１は、取得したセンサデータに取得時刻（測定時刻）および取得元のセンサ１５０の情報を付加して、エッジコンピュータ１１０の内蔵メモリ等の記憶装置に一時的に保存する。
判定手段１１２は、取得手段１１１によって取得された複数種目のセンサデータの間の関係が、正常時にセンサデータの種目間に成立する関係（以下、正常関係と記す）に一致するか否かを判定する機能を有する。複数種目のセンサデータの間の関係とは、例えば、加速度センサのセンサデータとブレーキ量を測定するセンサのセンサデータとの間の関係や、温度センサのセンサデータと圧力センサのセンサデータとの間の関係など予め定められた複数種目間の関係のことである。また、正常時とは、換言すれば、平常時、あるいは、通常時、あるいは、普通の状態の時、あるいは、定常状態の時のことを意味する。或いは、正常時は、監視対象に何の異常も存在していない時のことである。正常関係は、過去の大量のセンサデータに基づいてインバリアント分析やニューラルネットワークやディープラーニング等の機械学習の方法によって決定した関係であってよい。或いは、正常関係は、理論的に導き出した関係であってもよいし、経験的に導き出した関係であってもよい。
判定手段１１２は、上記判定において、更に、正常関係に一致する複数のセンサデータを非重要データ、正常関係に一致しない複数のセンサデータを重要データとして区別する。例えば、判定手段１１２は、正常関係に一致しない複数のセンサデータを重要データ、それ以外のセンサデータを非重要データとする。或いは、判定手段１１２は、正常関係に一致しない複数のセンサデータとそれに取得時刻の近いセンサデータとを重要データ、それ以外のセンサデータを非重要データとする。例えば、温度センサ、圧力センサ、湿度センサの３つのセンサがあり、それぞれ時刻ｔ１、ｔ２、ｔ３でセンサデータが取得されているとする。また、時刻ｔ１、ｔ２、ｔ３のうち時刻ｔ２で取得された温度センサと圧力センサのセンサデータ間の関係が正常関係に一致しなかったとする。このとき、判定手段１１２は、時刻ｔ２で取得された温度センサ、圧力センサ、湿度センサのセンサデータを重要データ、時刻ｔ１、ｔ３で取得された温度センサ、圧力センサ、湿度センサのセンサデータを非重要データとする。或いは、判定手段１１２は、時刻ｔ２で取得された温度センサ、圧力センサ、湿度センサのセンサデータとその取得時刻ｔ２との差が所定時間以内の取得時刻ｔ１、ｔ３で取得された温度センサ、圧力センサ、湿度センサのセンサデータを重要データとする。
圧縮手段１１３は、判定手段１１２の判定の結果に基づいて、取得手段１１１によって取得されたセンサデータを圧縮する機能を有する。即ち、圧縮手段１１３は、重要データを圧縮しないか、非重要データよりも低い圧縮率で圧縮する。換言すれば、圧縮手段１１３は、非重要データを重要データよりも高い圧縮率で圧縮する。
圧縮手段１１３による圧縮の方法は複数考えられる。１つの方法では、圧縮手段１１３は、センサデータの時系列から一部のセンサデータを間引くことによって、センサデータを圧縮する。例えば、圧縮手段１１３は、或るセンサ１５０から取得の時刻ｔ１、時刻ｔ２、時刻ｔ３の３つのセンサデータから構成される時系列データから、時刻ｔ２のセンサデータを間引いて、時刻ｔ１、時刻ｔ３の２つのセンサデータから構成される時系列データに変換する。他の方法では、圧縮手段１１３は、高能率符号化によってセンサデータを符号化することによって、センサデータを圧縮する。例えば、圧縮手段１１３は、上記時刻ｔ１、ｔ２、ｔ３の３つのセンサデータの時系列データを、予測符号化、ガンマ符号化、ランレングス符号化、或いはセンサデータ向けに開発された任意の高能率符号化によって、符号化する。
通信手段１１４は、圧縮手段１１３によって圧縮されていないか或いは非重要データより低い圧縮率で圧縮された重要データおよび重要データより高い圧縮率で圧縮された非重要データを、ネットワーク１４０を介してサーバ装置１２０へ送信する機能を有する。通信手段１１４は、重要データと非重要データとを区別して送信する。例えば、通信手段１１４は、送信データのフォーマットに上記区別のためのフラグを設けるようにしてよい。或いは、通信手段１１４は、重要データと非重要データとを互いに異なる通信プロトコルによって送信するように構成されていてよい。例えば、通信手段１１４は、重要データはＴＣＰ通信によって送信し、非重要データはＵＤＰ通信によって送信する。或いは、通信手段１１４は、重要データと非重要データとを、物理的或いは論理的に異なる通信路を通じてエッジコンピュータ１１０からサーバ装置１２０へ送信するように構成されていてよい。
サーバ装置１２０は、通信手段１２１と記憶手段１２２と分析手段１２３と出力手段１２４とを備えている。これらの手段１２１〜１２４は、サーバ装置１２０を構成するコンピュータとプログラムとで実現することができる。プログラムは、半導体メモリやＣＤ−ＲＯＭ等のコンピュータ読み取り可能な記録媒体に記録されて提供され、コンピュータの立ち上げ時などにコンピュータに読み取られ、コンピュータの動作を制御することにより、コンピュータ上に通信手段１２１と記憶手段１２２と分析手段１２３と出力手段１２４とを実現する。
通信手段１２１は、ネットワーク１４０を介してエッジコンピュータ１１０からセンサデータを受信し、記憶手段１２２に記憶する機能を有する。通信手段１２１は、通信手段１１４による重要データと非重要データとの区別方法に準じて、重要データと非重要データとを区別して受信し、両者を区別して記憶手段１２２に記憶する。
記憶手段１２２は、センサデータを記憶する機能を有する。記憶手段１２２は、単一の記憶装置で構成することができる。或いは、記憶手段１２２は、重要データを記憶するための記憶装置と、非重要データを記憶するための記憶装置との２種類以上の、信頼性などの性能の異なる複数の記憶装置で構成することができる。
分析手段１２３は、記憶手段１２２に記憶されたセンサデータを分析し、監視対象の異常の有無を検出する機能を有する。記憶手段１２２には、重要データとされたセンサデータと、非重要データとされたセンサデータとが存在する。即ち、記憶手段１２２には、エッジコンピュータ側において異常の兆候があると判定された重要データであるセンサデータと、エッジコンピュータ側において異常の兆候がないと判定された非重要データであるセンサデータとが存在する。そのため、分析手段１２３は、センサデータが重要データであるか、非重要データであるかに基づいて、分析の方法を変更する。例えば、分析手段１２３は、センサデータが非重要データであれば、センサデータに対する実質的な分析処理を省略して、監視対象に異常の兆候がない旨の分析結果を生成する。また例えば、分析手段１２３は、センサデータが重要データであれば、センサデータに基づいて異常の有無および異常の原因を詳細に分析し、その分析結果を生成する。
出力手段１２４は、分析手段１２３の分析結果をサーバ装置１２０にローカルに備わるディスプレイ装置やプリンタ装置から出力し、或いは外部の端末装置へ通信により出力する。
図２は、エッジコンピュータ１１０の動作の一例を示すフローチャートである。以下、図２を参照してエッジコンピュータ１１０の動作を説明する。
エッジコンピュータ１１０において、取得手段１１１は、エッジコンピュータ１１０に接続された複数のデバイス１３０のセンサ１５０からセンサデータを取得する（Ｓ１０１）。次に、判定手段１１２は、取得手段１１１によって取得された複数のセンサデータの間の関係が、正常関係に一致するか否かを判定する（Ｓ１０２）。次に、判定手段１１２は、判定結果に従い、正常関係に一致する複数のセンサデータを非重要データ、正常関係に一致しない複数のセンサデータを重要データとして区別する（Ｓ１０３〜Ｓ１０５）。
次に、圧縮手段１１３は、非重要データを重要データより高い圧縮率で圧縮する（Ｓ１０６）。また、圧縮手段１１３は、重要データを全然圧縮しないか、非重要データより低い圧縮率で圧縮する（Ｓ１０７）。次に、通信手段１１４は、圧縮手段１１３による処理後の重要データと非重要データとを区別してネットワーク１４０を通じてサーバ装置１２０へ送信する（Ｓ１０８、Ｓ１０９）。
エッジコンピュータ１１０では、上述したステップＳ１０１〜Ｓ１０９による処理が繰り返し実行される。
図３は、サーバ装置１２０の動作の一例を示すフローチャートである。以下、図３を参照してサーバ装置１２０の動作を説明する。
サーバ装置１２０において、通信手段１２１は、エッジコンピュータ１１０からセンサデータを受信したか否かを判定する（Ｓ１１１）。そして、通信手段１２１は、センサデータを受信したならば、受信したセンサデータを重要データと非重要データとに区別して記憶手段１２２に記憶する（Ｓ１１２）。
上記の動作と並行して、分析手段１２３は、記憶手段１２２に未分析のセンサデータが存在するか否かを判定する（Ｓ１１３）。次に、分析手段１２３は、未分析のセンサデータが存在していれば、取得時刻（測定時刻）の古いものから順に未分析のセンサデータを記憶手段１２２から取得する（Ｓ１１４）。次に、分析手段１２３は、取得したセンサデータが重要データであるか、非重要データであるかを判断する（Ｓ１１５）。
次に、分析手段１２３は、重要データであれば、その重要データに基づいて詳細な分析を行い、分析結果を生成する（Ｓ１１６）。この詳細な分析では、分析手段１２３は、異常の有無および異常の種類や原因などを解析し、詳細な分析結果を生成する。この詳細な分析結果では、異常の有無と、異常を検出した場合にはその原因と、この分析結果が重要データを分析した結果によるものである旨とを記載する。
他方、分析手段１２３は、取得したセンサデータが非重要データであれば、異常の兆候がない旨の簡易な分析結果を生成する（Ｓ１１７）。この簡易な分析結果では、非重要データに含まれるセンサデータの取得時刻とその取得時刻では異常が発生していない旨とこの分析結果が非重要データによるものである旨とを記載する。
次に、出力手段１２４は、分析手段１２３による分析結果を出力する（Ｓ１１９）。
サーバ装置１２０では、上述したステップＳ１１１〜Ｓ１１８による処理が繰り返し実行される。
このように本実施形態によれば、異常判定のために重要なセンサデータを逃さずにセンサデータの量を効果的に削減することができる。その理由は、エッジコンピュータ１１０の取得手段１１１が複数種目のセンサデータを取得し、判定手段１１２が上記取得した複数のセンサデータの間の関係が、正常時にセンサデータの種目間に成立する関係である正常関係に一致するか否かを判定し、圧縮手段１１３がその判定の結果に基づいて、複数のセンサデータを圧縮するためである。即ち、正常時に成立する関係と一致しない関係のセンサデータは監視対象に異常が起きている兆候を示す重要なデータであるため、圧縮しないか、或いは低い圧縮率で圧縮することによって、取りこぼすのを防止し、他方、正常時に成立する関係と一致する関係のセンサデータは異常な兆候ではないので、重要でないデータとして高い圧縮率で圧縮することにより、センサデータの量を削減している。
また、本実施形態によれば、異常判定を行うサーバ装置の分析に要する負荷を軽減することができる。その理由は、サーバ装置１２０の分析手段１２３は、エッジコンピュータ１１０から送られてくるセンサデータが重要データであるか、非重要データであるかを判断し、非重要データであれば詳細な分析を省いて異常が無いと判断するためである。これは、エッジコンピュータ側において、正常時に成立する関係と一致する関係のセンサデータは異常な兆候ではない非重要データと判断していることを利用している。
[第２の実施形態]
次に、本発明の第２の実施形態について説明する。本実施形態は、センサデータの間引く量を重要度に応じて変えることで、ネットワーク負荷やストレージ容量の削減とセンサデータのデータ品質維持を両立させている。以下、本実施形態について詳細に説明する。
＜本実施形態の背景＞
近年、ＩｏＴなどのキーワードが注目を集めている。ＩｏＴの領域では、センサから収集したデータを、一旦各センサに近いエッジコンピュータに集約し、採取したセンサデータを間引くなどの加工を実施後、クラウド上のデータストアに送信するという形態がとられることがある。これによりデータ品質の維持とネットワーク転送の負荷軽減、クラウド上のデータストアに格納するデータ量の削減を目指している。しかし、このときの加工ルール等はシステム構築者が明示的に与える必要があった。
＜本実施形態が解決しようとする課題＞
ネットワーク負荷やデータストアのスペックの都合で、採取したセンサデータを大きく間引かないといけない場合がある。しかし、センサデータの間引く量が多いと途中経過の情報が抜け落ち、センサデータの活用時に要求されている誤差の範囲内で補完できない可能性がある（本明細書では、必要とされている状況のデータを得られるのであればデータ品質を維持できているとし、逆に必要とされている状況のデータを得られないのであればデータ品質を維持できていないとする）。このような状況を防ぐためには事前にルールを明確に設定する必要があった。
本実施形態の目的は、事前にルールを明確に設定することなく、データ品質を維持したままエッジコンピュータからクラウドのデータストアに送信するセンサデータのデータ量を削減できるようにすることにある。
＜本実施形態による解決手段＞
本実施形態では、インバリアント分析の「データ間の相関が崩れたタイミングを検知できる」という特徴を活用し、重要度に応じてセンサデータを間引く量を増減させることでセンサデータ全体の量を削減し、ネットワーク負荷の削減やデータストアの必要スペックの緩和を目指す。
インバリアント分析やニューラルネットワーク／ディープラーニング等の機械学習の方法により、蓄積データをもとに学習することで定常状態かどうかを判定し、定常状態でないタイミングで発生したデータは重要であるとして、センサデータの間引く量を減らす。
＜本実施形態の構成＞
図４は本実施形態の構成を示すブロック図である。図４を参照すると、複数のセンサデータ生起部２３０が、１つのエッジコンピュータ２１０に接続されており、センサデータをエッジコンピュータ２１０に送信する。エッジコンピュータ２１０では、各センサデータ生起部２３０から送られてきたセンサデータをセンサデータ格納バッファ部２１１に格納する。
エッジコンピュータ２１０は、センサデータ送信手段２１２により、クラウド２２０上のセンサデータ記録装置（データストア）２２１につながっており、センサデータを送信して記録できる。
エッジコンピュータ２１０には、他に定常状態判定部２１３と重要度判定部２１４とセンサデータ絞り込み部２１５がある。
定常状態判定部２１３には、定常状態判定モデル部２１６が含まれている。定常状態判定モデル部２１６は、インバリアント分析やニューラルネットワーク／ディープラーニング等の機械学習の技術を用いて、定常状態を学習して得られたものである。
重要度判定部２１４は、定常状態判定部２１３の判定にもとづき重要度を判定する。定常状態判定部２１３が定常状態だと判定したら重要でないと判定する。定常状態判定部２１３が定常状態でないと判定したら重要だと判定する。定常状態判定のしきい値は予め設定されているものとする。
センサデータ絞り込み部２１５は、送信対象のセンサデータを間引く。重要度に応じて間引く量を増減させる。重要度判定部２１４が重要だと判定した場合には間引く量を少なくし、重要度判定部２１４が重要でないと判定した場合には大きく間引くものとする。間引く量は、設定によるものとする。また、重要度に応じて間引く量を連続的に変化させても良い。
複数のセンサデータ生起部２３０が１つのエッジコンピュータ２１０に接続されている。図４には、１つのエッジコンピュータ２１０のみ図示されているが、一般的には、センサデータ記録装置２２１には複数のエッジコンピュータ２１０が接続されている。
＜本実施形態の動作＞
定常状態判定部２１３に含まれる定常状態判定モデル部２１６は、インバリアント分析などの機械学習の手法を用い、定常状態のデータを用いて学習して得られたものであるとする。インバリアント分析以外のニューラルネットワーク／ディープラーニング等の機械学習の方法により、発生したセンサデータ（およびセンサデータ群）が定常状態のものかそうでないかを判定してもよい。
図５は本実施形態の動作の一例を示すフローチャートである。以下、図５を参照して動作を説明する。
エッジコンピュータ２１０は、センサデータ生起部２３０から送られてきたセンサデータをセンサデータ格納バッファ部２１１に格納する（Ｓ２０１）。以下、このセンサデータをクラウド２２０上のセンサデータ永続化データストア部であるセンサデータ記録装置２２１に格納する動作を説明する。
センサデータ格納バッファ部２１１に格納されたセンサデータが重要でなければ大きく間引いて送信したい。一方で定常状態でない場合には重要なイベントが発生しているタイミングということで、収集したセンサデータの間引く量を減らしたい。
例えば、ヒッグス粒子などの存在確認実験の成功時には、過去の失敗実験とは違うデータ（粒子の種類、各粒子の飛跡、エネルギー等）およびデータの相関が検知されるはずである。センサにより計測されたデータ間の相関が過去のものとは異なるタイミングにおいては間引く量を減らしてセンサデータを採取するようにすれば、全体のデータ量（およびネットワーク転送量）を抑えつつ重要な部分およびその前後の関心の高いデータは細かい粒度で採取できる。
定常状態判定部２１３は、センサデータ格納バッファ部２１１に格納されたデータから定常状態か否かを判定し（Ｓ２０２）、その判定にもとづき重要度判定部２１４が重要度を判定する（Ｓ２０３）。
重要でないと判定された場合、センサデータ絞り込み部２１５は、センサデータ格納バッファ部２１１に格納された未送信データを大きく絞り込んだ後にセンサデータ送信手段２１２に渡す（Ｓ２０４）。
重要と判定された場合、センサデータ絞り込み部２１５は、センサデータ格納バッファ部２１１に格納された未送信データの絞り込む量を減らし、センサデータ送信手段２１２に渡す（Ｓ２０５）。絞り込む量を減らすとは、全く絞り込まない場合を含む。
センサデータ送信手段２１２は、渡されたデータをセンサデータ記録装置２２１に格納する（Ｓ２０６）。
以下、具体的なセンサデータの例を挙げて、本実施形態の動作を更に詳しく説明する。
[動作例]
例えば車両センサから送られてくるデータを用いてエンジンの劣化や故障の原因を分析することを考えたとき、本実施形態の装置を用いることでセンサデータを減らしつつ劣化や故障の原因分析には影響を与えないで済ませることができる。
図６は車両において１秒間隔で採取したセンサデータの例であり、それぞれの行が同じ時刻に測定されたセンサデータのセットを示す。例えば、２行目のセンサデータのセットは、測定時刻が１０時００分０１秒、車両の位置が経度１３５．１００１、緯度３５．０００１、車速が５０ｋｍ／時、ブレーキ量が０、アクセル量が５、車の加速度が０、エンジンの回転数が３０００／分、変速器のギヤ位置が４、ハンドルの操舵角が０であることを表している。この図６に示すセンサデータは、特に特徴的なイベントは発生しなかった例である。このような定常状態におけるセンサデータの時系列は、例えば試験運転中、安全運転中に測定することにより得られる。この図６に示されるような車両のセンサデータから、定常状態判定部２１３は、機械学習により下記のようなモデルを得たとする。
加速度＝２×ブレーキ量 （加速度＜０の場合） …（１）
但し、上記モデルは一例のため簡略化してあり、例えばインバリアント分析などの手法ではこれ以外にも多くのセンサ間の相関がモデルとして得られるはずである。それ以外には単に線形回帰などで加速度を教師データとして各種属性から相関の高いものを選び学習することでも得られる。
このように、定常状態判定部２１３は、監視対象が定常状態にある所定期間にセンサデータを取得して、正常時にセンサデータの種目間に成立する関係モデルを作成しておく。なお、関係モデルをエッジコンピュータ２１０以外のコンピュータで作成し、作成した関係モデルを定常状態判定モデル部２１６としてエッジコンピュータ２１０に設定するようにしてもよい。
図７および図８は、車両において１秒間隔で採取したセンサデータの他の例を示す。例えば、採取したセンサデータを５秒間隔になるように常に間引いてから送信するとした場合、図７であれば１５：０００１のデータと１５：００：０６のデータが送信される。図８であれば１６：００：０１のデータと１６：００：０６のデータが送信される。図７の１５：００：０２−１５：００：０５のデータと図８の１６：００：０２−１６：００：０５のデータは送信されないため、このタイミングで何らかのイベントが発生していた場合は外部から検知できない。
このとき、実際には特徴的なイベントが発生していたとする。図７の１５：００：０４のセンサデータのセットでは、加速度が−８０、ブレーキ量が９であり、前述のモデルに一致しない。即ち、前述のモデルの相関がずれている。本実施形態の装置では、モデルに一致しないセンサデータの測定時刻１５：００：０４とその前後（前後の範囲は設定による）の測定時刻のセンサデータが重要データとして扱われて、間引かれずに送信される。これによって、外部のサーバ装置では、送られてきたセンサデータを分析して、大きな負の加速度や操舵角の大きさ、ブレーキ量の大きさから、事故等の衝突が発生したことが推測できる。
また、この後エンジン不調が発生した場合、サーバ装置は、この衝突が原因だと推測できる。単に５秒毎のデータを送信する場合には、ブレーキにより停車したのか区別をつけることができない。即ち、間引いた後のセンサデータのみからでは原因の推測が難しい。
図７に示す例は加速度単体が特徴的であるため、例えばしきい値を設けることで送信対象データに含めることは可能である。即ち、加速度のしきい値を例えば−２０に設定すると、図７の時刻１５：００：０４のデータは加速度が−８０なので、送信対象データに含めることができる。
そこで、以下では、図８を参照して、しきい値を設けるのでは見逃してしまう例を説明する。
図８を参照すると、時刻１６：００：０２−１６：００：０４のセンサデータにおいて前述のモデルの相関が崩れている。また、加速度はそれほど大きくなく、しきい値の−２０を下回っている。本実施形態の装置では、モデルに一致しないセンサデータの測定時刻１６：００：０２−１６：００：０４とその前後（前後の範囲は設定による）の測定時刻のセンサデータが重要データとして扱われて、間引かれずに送信される。これによって、外部のサーバ装置では、送られてきたセンサデータを見て、ブレーキ量が０だが加速度が負であることや、ギアが４から２に一つ飛ばしで移動していること、エンジン回転数が大きく上がっていることから、不適切なシフトダウンによりエンジンに負荷がかかっていることがわかる（位置情報から坂道などではないことが特定できるものとする）。日常的にこのような負荷がかかっている車両にのみエンジンの劣化が大きければ原因として特定することができる。
これらの例のように、（統計値としてまとめることなく）特徴的なデータは細かく送ることで、他データとつきあわせた利用やどのような発生傾向があるのかなど細かく調べることができる。
＜本実施形態の効果＞
本実施形態によれば、データ品質を維持したままエッジコンピュータからクラウドのデータストアに送信するセンサデータのデータ量を削減できる。
それにより、ネットワーク負荷や記録装置（クラウド上のデータストア）に要求されるスペック（スループット、ストレージ容量など）を低くできる。また、関心の高いデータにフォーカスしてデータを扱えるようになる。また、重要でないデータについても荒い粒度で採取できる。また、科学実験施設のセンサデータにせよ、車載機器のセンサデータにせよ、過去の定常状態のデータをもちいて機械学習すればよく、容易に重要度判定のためのモデル（定常状態判定モデル部）を得ることができる。
[第３の実施形態]
次に、本発明の第３の実施形態について説明する。
図９は、本実施形態の構成を示すブロック図である。図９を参照すると、本実施形態は、クラウド３２０のセンサデータ記録装置３２１に接続されたエッジコンピュータ３１０と、エッジコンピュータ３１０に接続された複数のセンサデータ生起部３３０とを含む。クラウド３２０のセンサデータ記録装置３２１、センサデータ生起部３３０は、図４のクラウド２２０のセンサデータ記録装置２２１、センサデータ生起部２３０と同様の機能を有する。エッジコンピュータ３１０は、センサデータ格納バッファ部３１１、センサデータ送信手段３１２、定常状態判定部３１３、高圧縮率データ圧縮部３１５、定常状態判定モデル部３１６、送信タイミング制御部３１７を備えている。このうち、センサデータ格納バッファ部３１１、センサデータ送信手段３１２、定常状態判定部３１３、定常状態判定モデル部３１６は、図４のセンサデータ格納バッファ部２１１、センサデータ送信手段２１２、定常状態判定部２１３、定常状態判定モデル部２１６と同様の機能を有する。
送信タイミング制御部３１７は、センサデータの送信タイミングを制御する。高圧縮率データ圧縮部３１５は、時間がかかるが圧縮率の高い圧縮処理によりデータ圧縮を行う。
図１０は本実施形態の動作の一例を示すフローチャートである。図１０において、ステップＳ３０１〜Ｓ３０３は、図５のステップＳ２０１〜Ｓ２０２と同じである。本実施形態では、重要度判定部３１４が重要だと判定しなかった場合、センサデータを即時に送信はしない。送信タイミング制御部３１７は、センサデータの送信タイミングを制御する。例えば送信タイミング制御部３１７は、一旦センサデータをある程度以上ためてから、もしくは事前に設定したタイミング（定期的な間隔など）で、センサデータ格納バッファ部３１１に格納されたセンサデータを送信する。このとき、高圧縮率データ圧縮部３１５は、時間をかけて高い圧縮率でセンサデータを圧縮する（Ｓ３０４）。そして、送信タイミング制御部３１７は、設定されたタイミングが来たら、圧縮した未送信のセンサデータをセンサデータ送信手段３１２に渡す（Ｓ３０５）。その後、センサデータ送信手段３１２によりセンサデータ記録装置３２１にセンサデータが格納される（Ｓ３０６）。
一方、重要度判定部３１４が重要だと判定した場合、送信タイミング制御部３１７は即時に送信するように送信タイミングを制御する。これにより、センサデータ送信手段３１２はセンサデータ格納バッファ部３１１に格納された未送信の送信対象データを送信し、センサデータ記録装置３２１に格納する（Ｓ３０７）。このときに送信するセンサデータは無圧縮でもよいし簡易な圧縮（圧縮率の低い圧縮）を行ってもよい。
定常状態判定モデル部３１６は、前述のように定常状態のセンサデータを用いた学習により得られたものであるとする。
このように、機械学習により定常状態を学習し、定常状態でないタイミングでは重要なデータが発生しているものとし、即時に計測データを送信する。これによって、重要なデータはすぐに（失われる前に）送信してクラウド側で利用できるようになる。一方、重要でないデータについては圧縮率を高め、かつ送信回数を減らすことで、ネットワークの利用効率を改善させることができる。
[第４の実施形態]
次に、本発明の第４の実施形態について説明する。
図１１は、本実施形態の構成を示すブロック図である。図１１を参照すると、本実施形態は、クラウド４２０に接続されたエッジコンピュータ４１０と、エッジコンピュータ４１０に接続された複数のセンサデータ生起部４３０とを含む。センサデータ生起部４３０は、図４のセンサデータ生起部２３０と同様の機能を有する。クラウド４２０は、冗長記録装置４２１と非冗長記録装置４２２とを備えている。エッジコンピュータ４１０は、センサデータ格納バッファ部４１１、センサデータ振り分け部４１２、定常状態判定部４１３、重要度判定部４１４、センサデータ絞り込み部４１５、定常状態判定モデル部４１６、高信頼送信手段４１７、低信頼送信手段４１８を備えている。このうち、センサデータ格納バッファ部４１１、定常状態判定部４１３、重要度判定部４１４、センサデータ絞り込み部４１５、定常状態判定モデル部４１６は、図４のセンサデータ格納バッファ部２１１、定常状態判定部２１３、重要度判定部２１４、センサデータ絞り込み部２１５、定常状態判定モデル部２１６と同様の機能を有する。
高信頼送信手段４１７は、ＴＣＰなどの信頼の高い通信プロトコルでセンサデータを送信し、冗長記録装置４２１に格納する。低信頼送信手段４１８は、ＵＤＰなどの比較的信頼の低い通信プロトコルでセンサデータを送信し、非冗長記録装置４２２に格納する。
冗長記録装置４２１は、複数のストレージを束ねた上でデータはレプリケーションされて保持することでデータの消失にそなえるものとする。非冗長記録装置４２２は、データのレプリケーションなどはしていないものとする。非冗長記録装置４２２は複数のストレージを束ねてレプリケーションをしないことでデータのアクセス性能を向上させてもよい。
図１２は本実施形態の動作の一例を示すフローチャートである。図１２において、ステップＳ４０１〜Ｓ４０３は、図５のステップＳ２０１〜Ｓ２０２と同じである。本実施形態では、重要度判定部４１４が重要だと判定しなかった場合、センサデータ絞り込み部４１５はセンサデータ格納バッファ部４１１に格納された未送信データを絞り込み（Ｓ４０６）、センサデータ振り分け部４１２は絞り込まれたデータを低信頼送信手段４１８に渡す（Ｓ４０７）。低信頼送信手段４１８は、渡されたデータを非冗長記録装置４２２に格納する（Ｓ４０８）。
一方、重要度判定部４１４が重要だと判定した場合、センサデータ振り分け部４１２は、センサデータ格納バッファ部４１１に格納された未送信データを高信頼送信手段４１７に渡す（Ｓ４０４）。高信頼送信手段４１７は、渡されたデータを冗長記録装置４２１に格納する（Ｓ４０５）。
上述したように、センサデータ振り分け部４１２は、重要度判定部４１４が重要と判定したセンサデータに関しては高信頼送信手段４１７で送信し、それ以外は低信頼送信手段で送信する。一般にＵＤＰなどの信頼の低い通信プロトコルの方がＴＣＰなどの信頼のある通信プロトコルよりも効率的にデータ送信できる。また冗長記録装置４２１のようなレプリケーションするストレージよりは非冗長記録装置４２２のようなレプリケーションしないストレージの方が、スループットや容量あたりのコストが良い。
このように本実施形態では、データの重要度に応じて通信プロトコルやストレージの信頼性を変えている。これによって、重要なセンサデータは間引かずに信頼のある通信プロトコルでストレージに格納できる一方で、重要でないセンサデータはコストを抑えて通信・保存できる。
[第５の実施形態]
図１３は、本発明の第５の実施形態に係るエッジコンピュータ５１０のブロック図である。このエッジコンピュータ５１０は、取得手段５１１と判定手段５１２と圧縮手段５１３とを備えている。
取得手段５１１は、複数種目のセンサデータを取得する機能を有する。取得手段５１１は、例えば図１の取得手段１１１によって実現することができるが、それに限定されない。
判定手段５１２は、取得手段５１１が取得した複数種目のセンサデータの間の関係が、正常時にセンサデータの種目間に成立する関係（正常関係）に一致するか否かを判定する機能を有する。判定手段５１２は、例えば図１の判定手段１１２によって実現することができるが、それに限定されない。
圧縮手段５１３は、判定手段５１２の判定の結果に基づいて、取得手段５１１が取得したセンサデータを圧縮する機能を有する。圧縮手段５１３は、例えば図１の圧縮手段１１３によって実現することができるが、それに限定されない。
図１４はエッジコンピュータ５１０の動作の一例を示すフローチャートである。図１４を参照すると、まず、取得手段５１１は、図示しない複数のセンサから複数種目のセンサデータを取得する（Ｓ５０１）。次に、判定手段５１２は、取得手段５１１が取得した複数種目のセンサデータの間の関係が、正常関係に一致するか否かを判定する（Ｓ５０２）。次に、圧縮手段５１３は、判定手段５１２の判定の結果に基づいて、取得手段５１１が取得したセンサデータを圧縮する（Ｓ５０３）。
このように本実施形態によれば、異常判定のために重要なセンサデータを逃さずにセンサデータの量を効果的に削減することができる。その理由は、取得した複数種目のセンサデータの間の関係が正常時にセンサデータの種目間に成立する関係（正常関係）に一致するか否かにに基づいて、取得したセンサデータを圧縮するためである。
以上、本発明を幾つかの実施形態を挙げて説明したが、本発明は以上の実施形態にのみ限定されず、本発明の範囲内で各種の付加変更が可能である。
科学実験設備のような中央サーバ(データストア)、エッジコンピュータ、センサからなるシステム。車載システムおよび車両データを格納するシステムなどに利用できる。
上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
［付記１］
複数種目のセンサデータを取得し、
前記取得した複数のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係である正常関係に一致するか否かを判定し、
前記判定の結果に基づいて、前記取得したセンサデータを圧縮する、
センサデータ処理方法。
［付記２］
前記判定では、前記判定の結果に基づいて、取得された複数のセンサデータを重要データおよび非重要データの何れかに区別する、
付記１に記載のセンサデータ処理方法。
［付記３］
前記判定では、取得された複数のセンサデータのうち、前記正常関係に一致しない前記複数のセンサデータと前記正常関係に一致しない前記複数のセンサデータの測定時刻との差が所定時間以内のセンサデータとを重要データとし、前記重要データ以外のセンサデータを非重要データとして区別する、
付記１または２に記載のセンサデータ処理方法。
［付記４］
前記圧縮では、前記非重要データだけを圧縮するか、或いは前記非重要データを前記重要データよりも高い圧縮率で圧縮する、
付記２または３に記載のセンサデータ処理方法。
［付記５］
前記圧縮では、前記重要データを、全然圧縮しないか、或いは前記非重要データよりも低い圧縮率で圧縮する、
付記２または３に記載のセンサデータ処理方法。
［付記６］
前記取得と前記判定と前記圧縮とを、複数種目のセンサを有する１以上のデバイスが接続されたエッジコンピュータで実施する、
付記２または３に記載のセンサデータ処理方法。
［付記７］
前記エッジコンピュータからネットワークを介してサーバ装置へ前記重要データおよび前記非重要データを送信する、
付記６に記載のセンサデータ処理方法。
［付記８］
前記送信では、前記重要データと前記非重要データとで異なる通信プロトコルを使用する、
付記７に記載のセンサデータ処理方法。
［付記９］
前記送信では、取得してから送信するまでの遅延時間が前記非重要データよりも前記重要データの方が短くなるように、前記重要データと前記非重要データとの送信タイミングを制御する、
付記７に記載のセンサデータ処理方法。
［付記１０］
前記サーバ装置において、前記エッジコンピュータから受信した前記重要データを、前記エッジコンピュータから受信した前記非重要データを記憶する記憶装置より信頼性の高い記憶装置に記憶する、
付記７に記載のセンサデータ処理方法。
［付記１１］
前記サーバ装置において、前記エッジコンピュータから受信した前記センサデータに基づいて異常の有無を分析し、前記分析では、前記非重要データに含まれる前記センサデータの取得時刻では異常が発生していない旨の分析結果を生成する、
付記７に記載のセンサデータ処理方法。
［付記１２］
複数種目のセンサデータを取得する取得手段と、
前記取得した複数種目のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係に一致するか否かを判定する判定手段と、
前記判定の結果に基づいて、前記取得したセンサデータを圧縮する圧縮手段と、
を備えるエッジコンピュータ。
［付記１３］
前記判定手段は、前記判定の結果に基づいて、取得された複数のセンサデータを重要データおよび非重要データの何れかに区別する、
付記１２に記載のセンサデータ処理方法。
［付記１４］
前記判定手段は、取得された複数のセンサデータのうち、前記正常関係に一致しない前記複数のセンサデータと前記正常関係に一致しない前記複数のセンサデータの測定時刻との差が所定時間以内のセンサデータとを重要データとし、前記重要データ以外のセンサデータを非重要データとして区別する、
付記１２または１３に記載のエッジコンピュータ。
［付記１５］
前記圧縮手段は、前記非重要データだけを圧縮するか、或いは前記非重要データを前記重要データよりも高い圧縮率で圧縮する、
付記１３または１４に記載のエッジコンピュータ。
［付記１６］
前記圧縮手段は、前記重要データを、全然圧縮しないか、或いは前記非重要データよりも低い圧縮率で圧縮する、
付記１３または１４に記載のエッジコンピュータ。
［付記１７］
前記重要データおよび前記非重要データを、ネットワークを介してサーバ装置へ送信する通信手段を、更に備える、
付記１３乃至１６の何れかに記載のエッジコンピュータ。
［付記１８］
前記通信手段は、前記重要データと前記非重要データとで異なる通信プロトコルを使用する、
付記１７に記載のエッジコンピュータ。
［付記１９］
前記通信手段は、取得してから送信するまでの遅延時間が前記非重要データよりも前記重要データの方が短くなるように、前記重要データと前記非重要データとの送信タイミングを制御する、
付記１７に記載のエッジコンピュータ。
［付記２０］
前記通信手段は、前記非重要データを前記サーバ装置の第１の記憶装置へ格納するために送信し、前記重要データを前記第１の記憶装置より信頼性の高い、前記サーバ装置の第２の記憶装置へ格納するために送信する、
付記１７に記載のエッジコンピュータ。
［付記２１］
コンピュータを、
複数種目のセンサデータを取得する取得手段と、
前記取得した複数種目のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係に一致するか否かを判定する判定手段と、
前記判定の結果に基づいて、前記取得したセンサデータを圧縮する圧縮手段と、
して機能させるためのプログラム。
［付記２２］
付記１２乃至２０の何れか１項に記載されたエッジコンピュータと、
前記エッジコンピュータに接続されたセンサを有するデバイスと、
前記エッジコンピュータに接続されたサーバ装置と、
を備えるセンサデータ処理システム。
１００…センサデータ処理システム
１１０−１〜１１０−ｎ…エッジコンピュータ
１１１−１〜１１１−ｎ…取得手段
１１２−１〜１１２−ｎ…判定手段
１１３−１〜１１３−ｎ…圧縮手段
１１４−１〜１１４−ｎ…通信手段
１２０…サーバ装置
１２１…通信手段
１２２…記憶手段
１２３…分析手段
１２４…出力手段
１３０−１１〜１３０−ｎｍ…デバイス
１４０…ネットワーク
１５０−１１〜１５０−ｎｍ…センサ
２１０…エッジコンピュータ
２１１…センサデータ格納バッファ部
２１２…センサデータ送信手段
２１３…定常状態判定部
２１４…重要度判定部
２１５…センサデータ絞り込み部
２１６…定常状態判定モデル部
２２０…クラウド
２２１…センサデータ記録装置
２３０…センサデータ生起部
３１０…エッジコンピュータ
３１１…センサデータ格納バッファ部
３１２…センサデータ送信手段
３１３…定常状態判定部
３１４…重要度判定部
３１５…高圧縮率データ圧縮部
３１６…定常状態判定モデル部
３１７…送信タイミング制御部
３２０…クラウド
３２１…センサデータ記録装置
３３０…センサデータ生起部
４１０…エッジコンピュータ
４１１…センサデータ格納バッファ部
４１２…センサデータ振り分け部
４１３…定常状態判定部
４１４…重要度判定部
４１５…センサデータ絞り込み部
４１６…定常状態判定モデル部
４１７…高信頼送信手段
４１８…低信頼送信手段
４２０…クラウド
４２１…冗長記録装置
４２２…非冗長記録装置
４３０…センサデータ生起部
５１０…エッジコンピュータ
５１１…取得手段
５１２…判定手段
５１３…圧縮手段

Claims (10)

  1. 複数種目のセンサデータを取得し、
    前記取得した複数のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係である正常関係に一致するか否かを判定し、
    前記判定の結果に基づいて、前記取得したセンサデータを圧縮する、
    センサデータ処理方法。
  2. 前記判定では、前記判定の結果に基づいて、取得された複数のセンサデータを重要データおよび非重要データの何れかに区別する、
    請求項１に記載のセンサデータ処理方法。
  3. 前記判定では、取得された複数のセンサデータのうち、前記正常関係に一致しない前記複数のセンサデータと前記正常関係に一致しない前記複数のセンサデータの測定時刻との差が所定時間以内のセンサデータとを重要データとし、前記重要データ以外のセンサデータを非重要データとして区別する、
    請求項１または２に記載のセンサデータ処理方法。
  4. 前記圧縮では、前記非重要データだけを圧縮するか、或いは前記非重要データを前記重要データよりも高い圧縮率で圧縮する、
    請求項２または３に記載のセンサデータ処理方法。
  5. 前記圧縮では、前記重要データを、全然圧縮しないか、或いは前記非重要データよりも低い圧縮率で圧縮する、
    請求項２または３に記載のセンサデータ処理方法。
  6. 前記取得と前記判定と前記圧縮とを、複数種目のセンサを有する１以上のデバイスが接続されたエッジコンピュータで実施する、
    請求項２または３に記載のセンサデータ処理方法。
  7. 前記エッジコンピュータからネットワークを介してサーバ装置へ前記重要データおよび前記非重要データを送信する、
    請求項６に記載のセンサデータ処理方法。
  8. 複数種目のセンサデータを取得する取得手段と、
    前記取得した複数種目のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係に一致するか否かを判定する判定手段と、
    前記判定の結果に基づいて、前記取得したセンサデータを圧縮する圧縮手段と、
    を備えるエッジコンピュータ。
  9. コンピュータを、
    複数種目のセンサデータを取得する取得手段と、
    前記取得した複数種目のセンサデータの間の関係が、正常時に前記センサデータの種目間に成立する関係に一致するか否かを判定する判定手段と、
    前記判定の結果に基づいて、前記取得したセンサデータを圧縮する圧縮手段と、
    して機能させるためのプログラム。
  10. 請求項８に記載されたエッジコンピュータと、
    前記エッジコンピュータに接続されたセンサを有するデバイスと、
    前記エッジコンピュータに接続されたサーバ装置と、
    を備えるセンサデータ処理システム。
JP2016225674A 2016-11-21 2016-11-21 センサデータ処理方法 Pending JP2018084854A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2016225674A JP2018084854A (ja) 2016-11-21 2016-11-21 センサデータ処理方法
US15/802,655 US20180144621A1 (en) 2016-11-21 2017-11-03 Measurement data processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016225674A JP2018084854A (ja) 2016-11-21 2016-11-21 センサデータ処理方法

Publications (1)

Publication Number Publication Date
JP2018084854A true JP2018084854A (ja) 2018-05-31

Family

ID=62147138

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016225674A Pending JP2018084854A (ja) 2016-11-21 2016-11-21 センサデータ処理方法

Country Status (2)

Country Link
US (1) US20180144621A1 (ja)
JP (1) JP2018084854A (ja)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020047978A (ja) * 2018-09-14 2020-03-26 任天堂株式会社 情報処理装置、情報処理プログラム、情報処理システム、および情報処理方法
WO2020075584A1 (ja) * 2018-10-11 2020-04-16 国立大学法人京都大学 学習型実空間情報形成システム
JP2020068473A (ja) * 2018-10-25 2020-04-30 沖電気工業株式会社 センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム
JP2020088402A (ja) * 2018-11-14 2020-06-04 富士通株式会社 通信装置、及び通信方法
JP2020101358A (ja) * 2018-10-11 2020-07-02 株式会社富士通ゼネラル 空気調和機及び空気調和システム
WO2020208818A1 (ja) * 2019-04-12 2020-10-15 三菱電機株式会社 配光制御システム
CN113327741A (zh) * 2021-05-10 2021-08-31 西安交通大学 实时监测充油变压器的前端架构
JP2021127710A (ja) * 2020-02-12 2021-09-02 株式会社荏原製作所 エッジシステム
WO2021260970A1 (ja) * 2020-06-26 2021-12-30 ソニーグループ株式会社 ネットワークの制御方法、および、データ処理システム
JP2022109443A (ja) * 2021-01-15 2022-07-28 沖電気工業株式会社 データ圧縮システム、送信端末、学習モデル構築装置及びプログラム
US11422949B2 (en) 2018-11-08 2022-08-23 Sony Group Corporation Communication device
WO2022215669A1 (ja) * 2021-04-08 2022-10-13 株式会社日立製作所 分散システム、及びデータ転送方法
US11959654B2 (en) 2018-10-11 2024-04-16 Fujitsu General Limited Air conditioner, data transmission method, and air conditioning system

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11039225B2 (en) 2016-12-15 2021-06-15 Microsoft Technology Licensing, Llc Declarative IoT data control
US10917706B2 (en) * 2016-12-15 2021-02-09 Microsoft Technology Licensing, Llc Configurable IoT device data collection
EP3576019A1 (en) * 2018-05-29 2019-12-04 Nokia Technologies Oy Artificial neural networks
CN113596763A (zh) * 2018-07-22 2021-11-02 王铁军 多模异构iot网络
US11861458B2 (en) * 2018-08-21 2024-01-02 Lyft, Inc. Systems and methods for detecting and recording anomalous vehicle events
US20200153926A1 (en) * 2018-11-09 2020-05-14 Toyota Motor North America, Inc. Scalable vehicle data compression systems and methods
US11032370B2 (en) * 2018-11-14 2021-06-08 Toyota Jidosha Kabushiki Kaisha Wireless communications in a vehicular macro cloud
US11069160B2 (en) * 2018-12-20 2021-07-20 Bell Helicopter Textron Inc. Systems and methods of optimizing utilization of vehicle onboard storage
CN109857002B (zh) * 2019-01-15 2021-07-20 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN109888918B (zh) * 2019-02-19 2020-12-04 上海开翔信息技术有限公司 电站设备管理方法、系统、服务器及存储介质
CN110388964A (zh) * 2019-08-16 2019-10-29 深圳江行联加智能科技有限公司 一种隧道电缆数据采集的方法、装置和系统
CN111193781B (zh) * 2019-12-17 2022-04-01 河南嘉晨智能控制股份有限公司 一种车辆运行数据实时采集传输方法及系统
US11718320B1 (en) * 2020-08-21 2023-08-08 Aurora Operations, Inc. Using transmission sensor(s) in localization of an autonomous vehicle
CN112697267A (zh) * 2020-11-11 2021-04-23 杭州未名信科科技有限公司 一种工业设备异常振动检测装置
CN113709599B (zh) * 2021-09-01 2023-11-07 上海天麦能源科技有限公司 一种用于智能化仪表边缘计算数据处理方法及设备组态

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6850252B1 (en) * 1999-10-05 2005-02-01 Steven M. Hoffberg Intelligent electronic appliance system and method
JP6244816B2 (ja) * 2013-03-26 2017-12-13 日本電気株式会社 データ収集管理システム、データ収集管理方法、端末及び管理装置

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11378377B2 (en) 2018-09-14 2022-07-05 Nintendo Co., Ltd. Information processing apparatus, non-transitory computer-readable storage medium having stored therein information processing program, information processing system, and information processing method
JP2020047978A (ja) * 2018-09-14 2020-03-26 任天堂株式会社 情報処理装置、情報処理プログラム、情報処理システム、および情報処理方法
JP7302955B2 (ja) 2018-09-14 2023-07-04 任天堂株式会社 情報処理装置、情報処理プログラム、情報処理システム、および情報処理方法
WO2020075584A1 (ja) * 2018-10-11 2020-04-16 国立大学法人京都大学 学習型実空間情報形成システム
JP2020101358A (ja) * 2018-10-11 2020-07-02 株式会社富士通ゼネラル 空気調和機及び空気調和システム
US11959654B2 (en) 2018-10-11 2024-04-16 Fujitsu General Limited Air conditioner, data transmission method, and air conditioning system
JP7398808B2 (ja) 2018-10-11 2023-12-15 国立大学法人京都大学 学習型実空間情報形成システム
JP2020068473A (ja) * 2018-10-25 2020-04-30 沖電気工業株式会社 センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム
US11422949B2 (en) 2018-11-08 2022-08-23 Sony Group Corporation Communication device
JP2020088402A (ja) * 2018-11-14 2020-06-04 富士通株式会社 通信装置、及び通信方法
JP7059903B2 (ja) 2018-11-14 2022-04-26 富士通株式会社 通信装置、及び通信方法
WO2020208818A1 (ja) * 2019-04-12 2020-10-15 三菱電機株式会社 配光制御システム
JPWO2020208818A1 (ja) * 2019-04-12 2021-09-27 三菱電機株式会社 配光制御システム
JP7374011B2 (ja) 2020-02-12 2023-11-06 株式会社荏原製作所 エッジコンピュータ
JP2021127710A (ja) * 2020-02-12 2021-09-02 株式会社荏原製作所 エッジシステム
WO2021260970A1 (ja) * 2020-06-26 2021-12-30 ソニーグループ株式会社 ネットワークの制御方法、および、データ処理システム
JP2022109443A (ja) * 2021-01-15 2022-07-28 沖電気工業株式会社 データ圧縮システム、送信端末、学習モデル構築装置及びプログラム
JP7156416B2 (ja) 2021-01-15 2022-10-19 沖電気工業株式会社 データ圧縮システム、送信端末、学習モデル構築装置及びプログラム
WO2022215669A1 (ja) * 2021-04-08 2022-10-13 株式会社日立製作所 分散システム、及びデータ転送方法
CN113327741A (zh) * 2021-05-10 2021-08-31 西安交通大学 实时监测充油变压器的前端架构

Also Published As

Publication number Publication date
US20180144621A1 (en) 2018-05-24

Similar Documents

Publication Publication Date Title
JP2018084854A (ja) センサデータ処理方法
US20230156084A1 (en) Methods and apparatus to adaptively manage data collection devices in distributed computing systems
US10741078B2 (en) Method and apparatus for providing traffic safety service based on decision layer model
US8850582B2 (en) Security monitoring system and security monitoring method
DK2781979T3 (en) Real-time monitoring of a vehicle
JP6823501B2 (ja) 異常検知装置、異常検知方法及びプログラム
US9547545B2 (en) Apparatus and program for detecting abnormality of a system
CN108154230A (zh) 深度学习处理器的监控方法和监控装置
CN112734977B (zh) 一种基于物联网的设备风险预警系统及算法
US20210224383A1 (en) Abnormality detection device
US9948532B2 (en) Information processing apparatus, information processing method, and computer readable medium
CN111157245B (zh) 一种轨道交通走行部轴承的监管方法及系统
US10733514B1 (en) Methods and apparatus for multi-site time series data analysis
US20170286841A1 (en) Monitoring device and monitoring method thereof, monitoring system, and recording medium in which computer program is stored
CN113282920B (zh) 日志异常检测方法、装置、计算机设备和存储介质
US10140577B2 (en) Data processing method and apparatus
KR102046326B1 (ko) 데이터 처리 장치
CN115604541B (zh) 车辆的数据采集处理方法、系统、电子设备和存储介质
JP6858798B2 (ja) 特徴量生成装置、特徴量生成方法及びプログラム
JP2020035297A (ja) 機器状態監視装置及びプログラム
JP6432377B2 (ja) メッセージログ除去装置、メッセージログ除去方法、及びメッセージログ除去プログラム
CN117112039B (zh) 一种数据中心的传输优化系统及运行方法
WO2014061529A1 (ja) 情報処理装置及び情報処理方法及びプログラム
CN109831342A (zh) 一种基于分布式系统的故障恢复方法
CN104346246A (zh) 故障预测方法和装置