JP2018157482A - ゲートウェイ装置及びその制御方法、並びにプログラム - Google Patents

Abstract

【課題】周辺のゲートウェイ装置から自律分散的にデータを収集可能なゲートウェイ装置において、機械学習によって生成された判定器を用いて、信頼度の高いデータ処理の結果をサーバへ送信する技術を提供する。
【解決手段】前処理部２１は、センサデータに対してデータ処理を行う判定器を、過去に収集されたセンサデータを用いた機械学習によって生成する。判定処理部２２は、対象センサに対応する収集範囲内の１つ以上のセンサから出力されるセンサデータを収集し、当該収集したセンサデータに対して、前処理部２１によって生成された判定器を用いてデータ処理を行う。その際、判定器から出力された信頼度を基準として収集範囲を拡張しながら、センサデータの収集と、当該収集したセンサデータに対する判定器によるデータ処理とが繰り返される。判定処理部２２は、判定器から出力された判定結果に応じて、データ処理の結果をサーバへ送信する。
【選択図】図２

Description

本発明は、配下に存在するセンサからデータを収集するとともに自律分散的に周辺のゲートウェイ装置から動的にデータを収集可能なゲートウェイ装置、及びその制御方法、並びにプログラムに関するものである。

多数のセンサがネットワークに接続されたＩｏＴ（Internet of Things）環境に不可欠なセンサ処理は、一般的に、各センサによって取得されたデータを直接クラウドに集約して当該データの処理を行うことによって実現されている（非特許文献１）。この場合、ＩｏＴ環境の規模が大きくなるほど、センサからクラウドへ伝送されるデータ量が増加するとともに、データ伝送に伴うネットワーク全体の消費電力が増加することが課題となる。

このような課題に対して、クラウドとセンサとの間に、クラウド機能を有するゲートウェイ（例えば、フォグノード）を設置するネットワーク構成が知られている（非特許文献２）。各ゲートウェイは、配下のセンサに比較的近い位置に設けられ、それらのセンサによって取得されたデータを収集し、収集したデータに対して所定の処理（平均化処理等）を行い、その結果をクラウドへ送信する。これにより、各センサからクラウドへデータ直接が伝送される必要がなくなるため、クラウドへ伝送されるデータ量の低減と、データ伝送に伴うネットワーク全体の消費電力の削減が期待できる。

A. Al-Fuqaha et al., "Internet of Things: A Survey on EnablingTechnologies, Protocols, and Applications,"in IEEE Communication Survey & Tutorials, vol. 17, no. 4, 2015. M. Chiang et al., "Fog and IoT: An Overview of ResearchOpportunities,"in IEEE Internet of Things Journal, vol. 3, no. 6, 2016.

しかし、上述のネットワーク構成において、各ゲートウェイは、データ処理によって得られた処理結果の信頼度を把握できておらず、処理結果の信頼度にかかわらず当該処理結果を常にクラウドへ送信する。このように、各ゲートウェイが、信頼度の高い処理結果だけでなく信頼度の低い処理結果も送信することに起因して、ネットワーク全体の消費電力が高くなる。また、ゲートウェイにおいてデータ処理に用いられる計算モデルが、各センサから収集されるデータセットの日々の変動に対応できておらず、精度の高いデータ処理を実現することが難しい場合がある。

本発明は、上述の課題に鑑みてなされたものである。本発明は、周辺のゲートウェイ装置から自律分散的にデータを収集可能なゲートウェイ装置において、機械学習によって生成された判定器を用いて、信頼度の高いデータ処理の結果をサーバへ送信する技術を提供することを目的としている。

本発明の一態様の係るゲートウェイ装置は、センサデータを出力する複数のセンサを配下に有するゲートウェイ装置であって、センサデータに対してデータ処理を行う判定器であって、前記複数のセンサのうちの対象センサについての判定結果と当該判定結果の信頼度とを出力する前記判定器を、過去に収集されたセンサデータを用いた機械学習によって生成する生成手段と、前記対象センサに対応する収集範囲内の１つ以上のセンサから出力されるセンサデータを収集し、当該収集したセンサデータに対して、前記生成手段によって生成された前記判定器を用いて前記データ処理を行う処理手段と、前記判定器から出力された判定結果に応じて、前記データ処理の結果をサーバへ送信する送信手段と、を備え、前記処理手段は、他のゲートウェイ装置の配下にあるセンサが前記収集範囲内に含まれている場合には、当該センサから出力されるセンサデータを、ゲートウェイ間通信により前記他のゲートウェイ装置から収集し、前記処理手段は、前記判定器から出力された信頼度を基準として前記収集範囲を拡張しながら、センサデータの収集と、当該収集したセンサデータに対する前記判定器による前記データ処理とを繰り返すことを特徴とする。

本発明によれば、周辺のゲートウェイ装置から自律分散的にデータを収集可能なゲートウェイ装置において、機械学習によって生成された判定器を用いて、信頼度の高いデータ処理の結果をサーバへ送信することが可能になる。

一実施形態に係るネットワーク構成例を示す図 一実施形態に係るゲートウェイ装置の構成例を示すブロック図 一実施形態に係る前処理の手順を示すフローチャート 一実施形態に係る前処理における判定器の生成例を示す図 一実施形態に係る判定処理の手順を示すフローチャート 一実施形態に係る判定処理におけるデータの収集範囲の拡張例を示す図 一実施形態に係るフィードバック処理の手順を示すフローチャート

以下、本発明の例示的な実施形態について図面を参照して説明する。なお、以下の各図においては、実施形態の説明に必要ではない構成要素については図から省略する。

＜ネットワーク構成＞
図１は、本実施形態に係るゲートウェイ装置（ＧＷ）を含むネットワーク構成例を示す図である。本実施形態のネットワーク構成では、複数のゲートウェイ装置（Ｇ１，Ｇ２，Ｇ３，...）が、それぞれ、配下の複数のセンサとクラウド（クラウド上のサーバ）との間に設けられている。図１の例では、ゲートウェイ装置Ｇ１の配下に９個のセンサＳ１１，Ｓ１２，...，Ｓ１９が設けられている。同様に、ゲートウェイ装置Ｇ２の配下に９個のセンサＳ２１，Ｓ２２，...，Ｓ２９が設けられ、ゲートウェイ装置Ｇ３の配下に９個のセンサＳ３１，Ｓ３２，...，Ｓ３９が設けられている。なお、各ゲートウェイ装置の配下には、任意の数のセンサを設けることが可能である。

各ゲートウェイ装置は、配下にある各センサと有線又は無線により通信可能に接続され、各センサから出力されるデータ（センサデータ）を取得できる。各ゲートウェイ装置は、配下にある複数のセンサからセンサデータを収集し、収集したデータに所定の処理を行い、その処理結果をクラウドへ送信する、ゲートウェイ機能を有する。

本実施形態では、１つのゲートウェイ装置が他のゲートウェイ装置と直接的に通信を行う又は１つ以上のゲートウェイ装置を経由して間接的に通信を行う、ゲートウェイ間通信が導入される。ゲートウェイ間通信の導入により、ゲートウェイ装置間で互いにセンサデータの取得が可能となっている。例えば、ゲートウェイ装置Ｇ１は、センサＳ２１〜Ｓ２９から出力されるセンサデータを、ゲートウェイ間通信によりゲートウェイ装置Ｇ２から取得できる。また、ゲートウェイ装置Ｇ１は、センサＳ３１〜Ｓ３９から出力されるセンサデータを、ゲートウェイ間通信によりゲートウェイ装置Ｇ３から取得できる。

ネットワーク内の各ゲートウェイ装置は、ネットワーク内の各センサを配下に有するゲートウェイ装置（即ち、各センサがいずれのゲートウェイ装置の配下にあるか）を示す配置情報を予め保持している。また、各ゲートウェイ装置は、任意の他のゲートウェイ装置にたどり着く（アクセスする）ための経路を示す経路情報を予め保持している。各ゲートウェイ装置は、クラウドを介さずに、これらの情報を使用することによってゲートウェイ間通信を行うことが可能である。本実施形態のゲートウェイ装置は、このようなゲートウェイ間通信を利用して、周辺のゲートウェイ装置から自律分散的にセンサデータを収集可能である。

なお、ネットワーク内に新たにセンサ又はゲートウェイ装置が追加された場合、又は既に配置されているセンサ又はゲートウェイ装置が除去された場合には、各ゲートウェイ装置は、クラウドからの通知に基づいて配置情報又は経路情報を更新してもよい。あるいは、各ゲートウェイ装置は、他のゲートウェイ装置からの通知に基づいて配置情報又は経路情報を更新してもよい。

＜ゲートウェイ装置による処理の概要＞
本実施形態のゲートウェイ装置は、センサデータを収集し、事前の機械学習によって生成した計算モデル（判定器）を用いて、収集したデータに対するデータ処理を行い、必要な場合にのみ処理結果（又は処理結果を示す情報）をクラウドへ送信する。ゲートウェイ装置は、データ処理の結果の信頼度を基準として、自装置の配下にあるセンサだけでなく、必要に応じてデータの収集範囲を周辺のゲートウェイ装置の配下にあるセンサに拡張して、センサデータの収集を行う。このように、ゲートウェイ装置は、データ処理の対象となるセンサデータを増やすことで、データ処理の精度を向上させ、信頼度の高い処理結果をクラウドへ送信可能にする。即ち、信頼度の高い処理結果のみを各ゲートウェイ装置から必要に応じてクラウドへ送信することによって、従来と比較して、ゲートウェイ装置からクラウドへのデータ伝送に伴うネットワーク全体の消費電力の削減を実現する。

より具体的には、ゲートウェイ装置は、以下の３段階の処理を行う。
前処理：
ゲートウェイ装置はまず、過去に収集したデータを用いて機械学習を行うことによって、収集したセンサデータに対するデータ処理に用いる計算モデル（判定器）を生成する。
判定処理：
次に、ゲートウェイ装置は、前処理により生成された判定器を用いて、自装置の配下にあるセンサから、及び必要に応じて周辺のゲートウェイ装置から収集したセンサデータを処理し、必要な場合にのみ処理結果をクラウドへ送信する。
フィードバック処理：
更に、ゲートウェイ装置は、判定処理において収集されたセンサデータに基づいて判定器を更新する。これにより、判定処理に使用される判定器を、各センサから収集されるセンサデータの日々の変動に対応可能にする。

＜ゲートウェイ装置の機能構成＞
図２は、本実施形態に係るゲートウェイ装置の機能構成例を示すブロック図である。図２に示されるように、ゲートウェイ装置は、大きく分けて、前処理部２１、判定処理部２２、フィードバック処理部２３、及びデータ記憶部２４を有する。前処理部２１、判定処理部２２、及びフィードバック処理部２３は、上述の前処理、判定処理、及びフィードバック処理をそれぞれ実現する機能ユニットである。なお、前処理部２１、判定処理部２２、及びフィードバック処理部２３は、ハードウェア若しくはソフトウェア、又はそれらの組み合わせによって、ゲートウェイ装置において実現されうる。ソフトウェアによって実現される場合、ゲートウェイ装置が備える１つ以上のＣＰＵ等のプロセッサ（図示せず）が、ＲＯＭ等の記憶装置（図示せず）に格納された制御プログラムを読み出して実行することによって実現されうる。

（前処理）
前処理部２１は、過去に収集したセンサデータを用いて機械学習を行うことによって、収集したセンサデータに対するデータ処理に用いる判定器を生成する。本実施形態の前処理部２１は、機械学習の対象となるセンサデータについての、それぞれ異なる規模（サイズ）のデータセットを用いて機械学習を行うことによって、複数の判定器を生成する。更に、前処理部２１は、生成した各判定器によって得られる判定結果の精度を確認し、所定の基準を満たす判定器のいずれかを、判定処理部２２による判定処理用のデフォルト判定器として決定する。複数の判定器が基準を満たす場合には、当該複数の判定器のうちで、データ処理に必要となるデータ量（必要データ量）が最も少ない判定器である最適判定器をデフォルト判定器として決定してもよい。また、前処理部２１は、デフォルト判定器によるデータ処理の必要データ量を決定する。必要データ量に対応するデータには、自装置の配下のセンサから収集されるセンサデータだけでなく、周辺のゲートウェイ装置から収集されるセンサデータも含みうる。前処理部２１は、生成した複数の判定器と、デフォルト判定器及び必要データ量を示す情報とを、データ記憶部２４に格納する。

（判定処理）
判定処理部２２は、センサデータを収集し、収集したセンサデータを、データ記憶部２４に格納されている判定器を用いて処理することで、センサデータの処理結果を示す情報をクラウドへ送信（アップロード）すべきか否かを判定する。その際、判定処理部２２は、データ記憶部２４に格納されている複数の判定器のうち、デフォルト判定器を使用する。

判定処理部２２は、判定器による判定結果の信頼度を基準として、必要に応じてセンサデータの収集範囲を拡張し、拡張した範囲内のセンサデータを収集する。拡張された収集範囲に、周辺のゲートウェイ装置（の配下のセンサ）が含まれる場合には、判定処理部２２は、ゲートウェイ間通信を利用して周辺のゲートウェイ装置からセンサデータを収集する。判定処理部２２は、収集したセンサデータを、判定器を用いて再処理することで、センサデータの処理結果を示す情報をクラウドへ送信すべきか否かを再判定する。

このように、判定処理部２２は、必要に応じて、ゲートウェイ間通信を利用して他のゲートウェイ装置からもセンサデータを収集（取得）することで、判定器を用いたデータ処理の精度を向上させる。判定処理部２２は、より高い信頼度の判定結果を取得し、当該判定結果がクラウドへの送信を示す場合には、センサデータの処理結果を示す情報をクラウドへ送信（アップロード）する。なお、判定処理部２２によって収集されたセンサデータに基づいて、前処理部２１によって定期的に（即ち、所定時間が経過するごとに）機械学習による複数の判定器の生成及びデフォルト判定器の決定が行われてもよい。

（フィードバック処理）
フィードバック処理部２３は、判定処理部２２による判定処理に使用されたセンサデータを取得し、取得したセンサデータを用いて機械学習を行うことによって、判定処理に使用されている判定器を更新する。なお、フィードバック処理部２３は、更新後の判定器をデータ記憶部２４に格納することによって、当該更新後の判定器を判定処理部２２による判定処理に使用可能にする。

以下では、図３乃至図７を参照して、ゲートウェイ装置によって実行される具体的な処理ついて、より具体的に説明する。ここでは、各ゲートウェイ装置の配下のセンサとして、温度（気温）を測定して測定値を出力する温度センサが用いられており、ある対象センサが、周辺（近傍）のセンサから出力される温度と極端に異なる温度を出力するセンサ（以下、「ホットスポット」とも称する。）であるか否かを判定する場合を例に説明する。

＜前処理の手順＞
図３は、前処理部２１によって実行される前処理の手順を示すフローチャートである。この前処理は、ホットスポットの判定対象となるセンサ（対象センサ）を配下に有するゲートウェイ装置において実行される。また、図４は、前処理における判定器の生成例を示す図である。

ステップＳ３０１で、前処理部２１は、過去に得られたセンサデータを含むデータセットを取得する。ここで取得される過去のデータセットには、対象センサから出力されたセンサデータと、対象センサを配下に有するゲートウェイ装置及びその周辺のゲートウェイ装置の配下にあるセンサから出力されたセンサデータとが含まれうる。また、取得されたデータセットには、各センサによる温度の測定値を示すセンサデータだけでなく、対象センサがホットスポットであるか否かを示す情報も含められている。

次にステップＳ３０２で、前処理部２１は、取得したデータセットに含まれる各センサデータを、図４に示されるように、学習用データ又はテスト用データに分類する。更に、ステップＳ３０３で、前処理部２１は、学習用データから成る、異なるサイズの複数のデータセットを決定し、処理をステップＳ３０４へ進める。図４では、一部のデータがデータセット間で重複するＮ個のデータセットが決定される例が示されている。

ステップＳ３０４で、前処理部２１は、ステップＳ３０３において決定された各データセットを用いて機械学習（例えば、サポートベクトルマシン）を行うことによって、複数の判定器を生成する。ここでは、Ｎ個のデータセット（Ｋ＝１，２，３，...，Ｎ）のそれぞれについて機械学習が行われることで、Ｎ個の判定器（Ｋ＝１，２，３，...，Ｎ）が生成される。

なお、ステップＳ３０４において生成される各判定器の入力は、対象センサ及び周辺のセンサから出力されるセンサデータ列である。判定器は、入力されたセンサデータ列に対するデータ処理により、対象センサがホットスポットか否かの判定を行う。判定器の出力は、判定結果、及び当該判定結果の信頼度である。判定結果は、対象センサがホットスポットであるか否か（即ち、センサデータの処理結果を示す情報をクラウドへ送信（アップロード）すべきか否か）を示す。また、信頼度は、処理結果の確からしさを示し、処理結果を示す情報をクラウドへアップロードする確率に相当する。

その後、ステップＳ３０５で、前処理部２１は、テスト用データを用いて、ステップＳ３０４において生成された各判定器の判定結果の精度を確認し、判定器間で精度を比較する。更に、ステップＳ３０６で、前処理部２１は、ステップＳ３０４において生成された複数の判定器のうち、判定結果の精度が所定の基準を満たす判定器（Ｋ＝Ｘ）を、判定処理部２２による判定処理用のデフォルト判定器として決定する。前処理部２１は、例えば、最適判定器をデフォルト判定器として決定する。前処理部２１は、生成した複数の判定器と、デフォルト判定器及び上述の必要データ量を示す情報とをデータ記憶部２４に保存し、前処理を終了する。

なお、前処理部２１は、ステップＳ３０１で取得したデータセットに含まれる全データを学習用データとした場合には、生成した判定器間で判定結果の精度の比較を行わず、いずれか１つの判定器を、判定処理用のデフォルト判定器として決定する。その場合、例えば、対象センサのみについての過去のセンサデータから成るデータセットを用いた機械学習によって生成された判定器、又は、最もサイズの小さいデータセット（図４のＫ＝１）を用いた機械学習によって生成された判定器（即ち、判定器によるデータ処理に必要となるデータが最も少ない判定器）が、デフォルト判定器として決定されてもよい。

＜判定処理の手順＞
図５は、判定処理部２２によって実行される判定処理の手順を示すフローチャートである。この判定処理は、前処理と同様、ホットスポットの判定対象となるセンサ（対象センサ）を配下に有するゲートウェイ装置において実行される。また、図６は、判定処理におけるデータの収集範囲の拡張例を示す図である。

ステップＳ５０１で、判定処理部２２は、前処理によって得られたデフォルト判定器によるデータ処理に必要となる、ある時刻のセンサデータを収集する。判定処理部２２は、対象センサとは異なるゲートウェイ装置の配下にあるセンサから出力されるセンサデータを収集する必要がある場合には、ゲートウェイ間通信を利用して、周辺のゲートウェイ装置からセンサデータを収集する。なお、ステップＳ５０１におけるセンサデータの収集範囲は、初期の収集範囲として予め定められた範囲であり、対象センサのセンサデータのみが含まれる範囲であってもよいし、上述の必要データ量に対応する範囲であってもよい。

次にステップＳ５０２で、判定処理部２２は、デフォルト判定器を用いて、収集したセンサデータに対してデータ処理を行うことで、対象センサがホットスポットか否かの判定を行う。更にステップＳ５０３で、判定処理部２２は、判定器による判定結果の信頼度を予め定められた閾値と比較し、当該信頼度が閾値を上回っているか否かを判定する。当該信頼度が閾値を上回っている場合、判定処理部２２は処理をステップＳ５０４へ進める。

ステップＳ５０４で、判定処理部２２は、センサデータの処理結果を示す情報として、対象センサを示すセンサ情報をクラウド（クラウド上のサーバ）へ送信する必要があるか否かを判定する。具体的には、デフォルト判定器による判定結果が、センサデータの処理結果をクラウドへ送信（アップロード）する（即ち、対象センサがホットスポットである）との結果である場合には、センサ情報の送信が必要であると判定する。一方、それ以外の場合には、センサ情報の送信は必要ないと判定する。判定処理部２２は、センサ情報の送信が必要と判定した場合には、ステップＳ５０５においてセンサ情報（例えば、対象センサの識別情報である識別ＩＤ）を送信し、処理を終了する。

一方、ステップＳ５０３において、デフォルト判定器による判定結果の信頼度が閾値を上回っていない（閾値以下である）場合、判定処理部２２は処理をステップＳ５０６へ進める。ステップＳ５０６で、判定処理部２２は、図６に示されるように、センサデータの収集範囲を最小単位ごとに拡張する。ここで、図６には、ゲートウェイ装置Ｇ１の配下にあるセンサＳ１２が対象センサであり、ゲートウェイ装置Ｇ１がセンサデータを収集する例が示されている。図６では、センサＳ１１〜Ｓ１９はゲートウェイ装置Ｇ１、センサＳ２１〜Ｓ２９はゲートウェイ装置Ｇ２、センサＳ３１〜Ｓ３９はゲートウェイ装置Ｇ３、及びセンサＳ４１〜Ｓ４９はゲートウェイ装置Ｇ４の配下にある。

図６（Ａ）は、初期の収集範囲の例を示しており、対象センサ（センサＳ１２）から出力されるセンサデータのみが、初期の収集範囲に含まれている。この場合、ゲートウェイ装置Ｇ１は、ゲートウェイ間通信を行うことなく、センサＳ１２から出力されるセンサデータを収集する。図６（Ｂ）は、ステップＳ５０６において収集範囲が拡張された例を示しており、１ホップを最小単位として、対象センサから１ホップの範囲に収集範囲が拡張されている。この場合、ゲートウェイ装置Ｇ１は、自装置の配下にあるセンサＳ１１〜Ｓ１６から出力されるセンサデータを収集するとともに、センサＳ２７〜Ｓ２９から出力されたセンサデータを、ゲートウェイ間通信によりゲートウェイ装置Ｇ２から収集する。

次にステップＳ５０７で、判定処理部２２は、拡張された収集範囲が所定の限界を超えた（限界に達した）か否かを判定し、超えていない場合には処理をステップＳ５０８へ進め、超えた場合には処理をステップＳ５０９へ進める。ステップＳ５０８では、判定処理部２２は、拡張された収集範囲内のセンサデータを上述のように収集することで、デフォルト判定器によるデータ処理に用いるセンサデータを増やし、処理をステップＳ５０２へ戻す。これにより、判定処理部２２は、収集したセンサデータに対して、ステップＳ５０２において再びデータ処理を行う。

このようにして、判定処理部２２は、センサデータの収集範囲が限界を超えるまで、当該収集範囲を必要に応じて拡張しながら、ステップＳ５０２におけるデフォルト判定器によるデータ処理を繰り返すことで、閾値を上回る信頼度を有する判定結果を取得する。更に、判定処理部２２は、閾値を上回る信頼度を有する判定結果に応じて、データ処理の結果を示すセンサ情報をクラウドへ送信（アップロード）する。なお、判定処理部２２は、デフォルト判定器を用いたデータ処理が完了すると、フィードバック処理部２３によるフィードバック処理のために、収集したセンサデータをデータ記憶部２４に保存する。

一方、ステップＳ５０９では、判定処理部２２は、収集済みのセンサデータに対して、ヒューリスティック法によるデータ処理を行い、処理をステップＳ５０４へ進める。ヒューリスティック法では、過去に得られたセンサデータに基づく機械学習を行わず、現在得られているセンサデータ全体に基づく分析により得られる指標（平均値又は標準偏差等）を用いて、対象センサがホットスポットであるか否かが判定される。ステップＳ５０４では、ヒューリスティック法による判定結果に応じて、データ処理の結果を示すセンサ情報をクラウドへ送信（アップロード）する。

＜フィードバック処理の手順＞
図７は、フィードバック処理部２３によって実行されるフィードバック処理の手順を示すフローチャートである。このフィードバック処理は、前処理及び判定処理と同様、ホットスポットの判定対象となるセンサ（対象センサ）を配下に有するゲートウェイ装置において実行される。

フィードバック処理の基本的な手順は、図３に示される前処理と同様である。ただし、フィードバック処理部２３は、ステップＳ７０１では、判定処理部２２による判定処理に使用され、データ記憶部２４に保存されている、収集済みのセンサデータを取得する。また、フィードバック処理部２３は、ステップＳ７０４では、収集済みのセンサデータから成るデータセットごとに、データ記憶部２４に既に格納されている各判定器を機械学習により更新する。更に、フィードバック処理部２３は、更新後の複数の判定器と、更新後のデフォルト判定器及び必要データ量を示す情報とを、データ記憶部２４に格納することで、既存の判定器及び情報の更新を行う。これにより、データ記憶部２４に格納された、更新後の判定器及び情報が、判定処理部２２による判定処理に使用（フィードバック）されることになる。

以上説明したように、本実施形態では、ゲートウェイ装置は、センサデータを出力する複数のセンサを配下に有する。前処理部２１は、センサデータに対してデータ処理を行う判定器であって、複数のセンサのうちの対象センサについての判定結果と当該判定結果の信頼度とを出力する判定器を、過去に収集されたセンサデータを用いた機械学習によって生成する。判定処理部２２は、対象センサに対応する収集範囲内の１つ以上のセンサから出力されるセンサデータを収集し、当該収集したセンサデータに対して、前処理部２１によって生成された判定器（デフォルト判定器）を用いてデータ処理を行う。その際、判定処理部２２は、判定器から出力された信頼度を基準として収集範囲を拡張しながら、センサデータの収集と、当該収集したセンサデータに対する判定器によるデータ処理とを繰り返す。また、判定処理部２２は、他のゲートウェイ装置の配下にあるセンサが収集範囲内に含まれている場合には、当該センサから出力されるセンサデータを、ゲートウェイ間通信により他のゲートウェイ装置から収集する。その後、判定処理部２２は、判定器から出力された判定結果に応じて（例えば、判定結果が、データ処理の結果をサーバへ送信（クラウドへアップロード）すべきことを示す場合にのみ）、データ処理の結果をサーバへ送信する。

本実施形態によれば、機械学習により生成された判定器を用いることで、信頼度の低いデータ処理の結果をサーバ（クラウド）へ送信せず、信頼度の高いデータ処理の結果のみをサーバへ送信することが可能になる。即ち、必要な場合にのみデータ処理の結果がサーバへ伝送されることになり、データ伝送に伴うネットワーク全体の消費電力を大幅に削減することが可能になる。また、信頼度の高いデータ処理の結果のみをサーバへ送信できることで、センサデータに対するデータ処理の信頼性を保証することが可能になる。更に、ゲートウェイ装置でセンサデータに対するデータ処理を行い、その処理結果をサーバ（クラウド）へ送信することで、サーバで同じデータ処理を行う必要がなくなり、サーバにおける処理負荷を軽減できる。

また、本実施形態では、フィードバック処理部２３は、判定処理部２２によって収集されたセンサデータを用いた機械学習によって、前処理部２１によって生成された判定器を更新するフィードバック処理を行う。これにより、判定処理部２２による判定処理に使用される判定器を、各センサから収集されるセンサデータの日々の変動に対応させることが可能になり、より精度の高いデータ処理を実現することが可能になる。

なお、本実施形態に係るゲートウェイ装置は、コンピュータをゲートウェイ装置として機能させるためのコンピュータプログラムにより実現することができる。当該コンピュータプログラムは、コンピュータが読み取り可能な記憶媒体に記憶されて配布が可能なもの、又は、ネットワーク経由で配布が可能なものである。

Ｇ１，Ｇ２，Ｇ３，Ｇ４：ゲートウェイ装置
Ｓ１１〜Ｓ１９，Ｓ２１〜Ｓ２９：センサ
Ｓ３１〜Ｓ３９，Ｓ４１〜Ｓ４９：センサ
２１：前処理部
２２：判定処理部
２３：フィードバック処理部
２４：データ記憶部

Claims (13)

1. センサデータを出力する複数のセンサを配下に有するゲートウェイ装置であって、
   センサデータに対してデータ処理を行う判定器であって、前記複数のセンサのうちの対象センサについての判定結果と当該判定結果の信頼度とを出力する前記判定器を、過去に収集されたセンサデータを用いた機械学習によって生成する生成手段と、
   前記対象センサに対応する収集範囲内の１つ以上のセンサから出力されるセンサデータを収集し、当該収集したセンサデータに対して、前記生成手段によって生成された前記判定器を用いて前記データ処理を行う処理手段と、
   前記判定器から出力された判定結果に応じて、前記データ処理の結果をサーバへ送信する送信手段と、を備え、
   前記処理手段は、他のゲートウェイ装置の配下にあるセンサが前記収集範囲内に含まれている場合には、当該センサから出力されるセンサデータを、ゲートウェイ間通信により前記他のゲートウェイ装置から収集し、
   前記処理手段は、前記判定器から出力された信頼度を基準として前記収集範囲を拡張しながら、センサデータの収集と、当該収集したセンサデータに対する前記判定器による前記データ処理とを繰り返す
   ことを特徴とするゲートウェイ装置。
2. 前記処理手段によって収集されたセンサデータを用いた機械学習によって、前記生成手段によって生成された前記判定器を更新する更新手段を更に備える
   ことを特徴とする請求項１に記載のゲートウェイ装置。
3. 前記処理手段は、前記判定器を用いた前記データ処理が完了すると、前記収集したセンサデータを記憶手段に保存し、
   前記更新手段は、前記記憶手段に保存されているセンサデータを用いた機械学習によって、前記判定器を更新する
   ことを特徴とする請求項２に記載のゲートウェイ装置。
4. 前記処理手段は、前記判定器から出力された信頼度が閾値を上回るまで、前記収集範囲を拡張しながら、センサデータの収集と、当該収集したセンサデータに対する前記判定器による前記データ処理とを繰り返す
   ことを特徴とする請求項１から３のいずれか１項に記載のゲートウェイ装置。
5. 前記処理手段は、拡張された前記収集範囲が所定の限界に達すると、前記判定器を用いずに、収集済みのセンサデータに対してヒューリスティック法によるデータ処理を行い、
   前記送信手段は、前記ヒューリスティック法による判定結果に応じて、前記データ処理の結果をサーバへ送信する
   ことを特徴とする請求項１から４のいずれか１項に記載のゲートウェイ装置。
6. 前記ゲートウェイ装置は、ネットワーク内の各センサがいずれのゲートウェイ装置の配下にあるかを示す配置情報と、他のゲートウェイ装置へアクセスするための経路を示す経路情報とを予め保持しており、
   前記処理手段は、前記配置情報及び前記経路情報に基づいて前記ゲートウェイ間通信を行うことによって、他のゲートウェイ装置からセンサデータを収集する
   ことを特徴とする請求項１から５のいずれか１項に記載のゲートウェイ装置。
7. 前記ゲートウェイ装置は、前記ネットワーク内においてセンサ又はゲートウェイ装置が追加又は除去された場合、前記サーバからの通知に基づいて前記配置情報及び前記経路情報を更新する
   ことを特徴とする請求項６に記載のゲートウェイ装置。
8. 前記送信手段は、前記判定結果が、前記データ処理の結果を前記サーバへ送信すべきことを示す場合にのみ、前記データ処理の結果を前記サーバへ送信する
   ことを特徴とする請求項１から７のいずれか１項に記載のゲートウェイ装置。
9. 前記送信手段は、前記データ処理の結果として、前記対象センサの識別情報を送信する
   ことを特徴とする請求項１から８のいずれか１項に記載のゲートウェイ装置。
10. 前記生成手段は、
    過去に収集されたセンサデータを取得する取得手段と、
    前記取得手段によって取得された各センサデータを学習用又はテスト用に分類する分類手段と、
    前記学習用のセンサデータから成る、異なるサイズの複数のデータセットを決定する第１決定手段と、
    前記第１決定手段によって決定されたデータセットごとに機械学習を行うことによって、複数の判定器を生成する学習手段と、
    前記テスト用のセンサデータを用いて、前記学習手段によって生成された各判定器の判定精度を確認し、前記複数の判定器のうちで前記判定精度が所定の基準を満たす判定器を、前記処理手段によって使用される判定器に決定する第２決定手段と、を備え、
    前記処理手段は、前記第２決定手段によって決定された判定器を用いて前記データ処理を行う
    ことを特徴とする請求項１から９のいずれか１項に記載のゲートウェイ装置。
11. 前記第２決定手段は、前記所定の基準を満たす判定器のうちで、前記データ処理に必要となるセンサデータの量が最も少ない判定器を、前記処理手段によって使用される判定器に決定する
    ことを特徴とする請求項１０に記載のゲートウェイ装置。
12. センサデータを出力する複数のセンサを配下に有するゲートウェイ装置の制御方法であって、
    センサデータに対してデータ処理を行う判定器であって、前記複数のセンサのうちの対象センサについての判定結果と当該判定結果の信頼度とを出力する前記判定器を、過去に収集されたセンサデータを用いた機械学習によって生成する生成工程と、
    前記対象センサに対応する収集範囲内の１つ以上のセンサから出力されるセンサデータを収集し、当該収集したセンサデータに対して、前記生成工程で生成された前記判定器を用いて前記データ処理を行う処理工程と、
    前記判定器から出力された判定結果に応じて、前記データ処理の結果をサーバへ送信する送信工程と、を含み、
    前記処理工程では、他のゲートウェイ装置の配下にあるセンサが前記収集範囲内に含まれている場合には、当該センサから出力されるセンサデータを、ゲートウェイ間通信により前記他のゲートウェイ装置から収集し、
    前記処理工程では、前記判定器から出力された信頼度を基準として前記収集範囲を拡張しながら、センサデータの収集と、当該収集したセンサデータに対する前記判定器による前記データ処理とを繰り返す
    ことを特徴とするゲートウェイ装置の制御方法。
13. 請求項１２に記載のゲートウェイ装置の制御方法の各工程をコンピュータに実行させるためのプログラム。

Images