JP2019090805A - 環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体、及び環境センサシステム - Google Patents

Abstract

【課題】データが正確であり、メンテナンス期間が長く、コスト及びメンテナンスコストが低い環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体及び環境センサシステムを提供する。【解決手段】環境センサの検出データの処理装置は、複数の学習測定用データ及び実測データを取得する測定データ入力部と、真値を取得する真値取得部と、複数の学習測定用データと対応する真値とを関連付けて関連付けデータを取得し、補正特性を取得する処理を複数回繰り返し実行し、真値に基づいて補正特性を検証し、複数の補正特性から最適補正特性を選択する補正特性生成部と、最適補正特性に基づいて実測データを補正する測定データ補正部とを含む。【選択図】図１

Description

本発明は、環境センサシステム、環境センサの検出データの処理装置、処理方法、及び環境センサのコンピュータに該方法を実行させるコンピュータプログラムを記憶しているコンピュータ読み取り可能な記憶媒体に関し、環境センサシステムでは、複数の環境センサ装置（例えばＰＭセンサ装置、硫黄酸化物含有量のセンサ装置、及び窒素酸化物含有量のセンサ装置）が配置され、環境センサ装置を用いて環境における各種の成分又は物質の含有量を検出し、所望の検出精度を提供し、各環境センサ装置は環境センサ素子又はモジュールを有し、且つネットワークシステムに接続されている。

通常、環境の状況を監視するための典型的な環境センサシステムは、政府機関が都市の環境状況を取得するために都市や道路等の位置に設置された大気分析装置が挙げられる。該環境センサシステムは、大気に含まれている環境影響ガス等の環境パラメータを測定し、インターネットを介して結果を公開する。これは、生活環境の安全性の確認、政府機関による都市や道路計画等の策定、環境政策等の補助に用いられる。現在、一般的に設置されている大気分析装置は、検出対象である環境影響物質に応じて分析装置を選択し、場合によって１つの分析システムに複数の分析装置を組み合わせることもある。近年、例えば開発途上国などでは、粒子状物質（以下はＰＭと称される）により構成された大気汚染及び自動車や工場の廃棄に起因する窒素酸化物や硫黄酸化物に代表される有害ガスの排出は問題となっている。従って、大気汚染の状況を監視するために、大気に含まれているＰＭ量及び他の有害ガスの排出を高精度に検出する必要がある。

政府機関は、高精度の直接的測定装置を基本装置として用い、直接的装置を基準として用い、間接的測定装置を評価、選択する。例えば、ＰＭ量の測定方法では、β線吸収法は直接的測定装置であり、マイクロバランス法（Ｍｉｃｒｏｂａｌａｎｃｅ）は間接的測定装置であり、該装置とβ線吸収法との相関度は０．９８であり、国家の標準に満たし、この２種類の装置は広く使われている。例えば、β線吸収法とは、粒子状物質が含まれる大気ガスをフィルタ材に１時間吹き付け、フィルタ材に残留しているＰＭを測定し、変換により、通過した大気の単位体積当たりのＰＭ重量濃度を求め、大気におけるＰＭの存在量を取得する。β線吸収法の測定原理に基づくと、フィルタ材にある程度のＰＭを溜める必要があるため、リアルタイムで測定することは困難である。例えば、マイクロバランス法（Ｍｉｃｒｏｂａｌａｎｃｅ）は、特定のフィルタ材の振動周波数を測定することで、質量の変化を間接的に測定し、ＰＭ数値をリアルタイムで取得するという問題を解決しているが、該方法は環境の影響を受けやすく、外部の影響を厳密に排除し、測定の精度を確保するために装置を頻繁にメンテナンスする必要がある。

例えば、光散乱法は、マイクロバランス法と同様な間接的測定方法であり、ＰＭ数値をリアルタイムで取得できないという直接的測定方法の問題を解決すると共に、環境要素の測定への影響を大幅に低減したが、精度及びコストの問題で政府機関により使用されていない。光散乱法は、大気におけるＰＭ量をリアルタイムで測定できる方法の１つとして、民間で最も一般的な大気におけるＰＭ含有量の測定方法である。その原理は、定量送風の大気に光を照射し、光のＰＭによる遮蔽の回数に基づいて、通過した大気の単位体積当たりのＰＭの数を測定する。光散乱法の利点は、短期間で測定を行っても、良好な測定精度を実現でき、リアルタイムの測定を実現できる。しかし、β線吸収法では重量を直接測定してＰＭ濃度を算出するが、光散乱法では数量濃度によりＰＭ濃度を推定するため、データの統計及び公開の場合は、両者のデータに対して変換を行う必要がある。また、検出対象であるＰＭの検出精度は他の要素により干渉されやすいため、精度が悪い場合がある。

このような環境要素の測定精度への影響を考慮して、実装点周辺の環境を変更し、例えば周辺環境が大きく変動しないように実装点周辺の温度、湿度等の変化を維持してもよく、例えば高価な温度調整ペルチェ（Ｐｅｌｔｉｅｒ）モジュール等を取り付けてもよい。これによって、環境センサ素子の温度を一定に維持できるが、周辺環境を維持するための装置自体の価格が非常に高いため、サブユニットである環境センサ装置のコストが高くなり、装置全体のコストが大幅に上昇した。

そこで、光散乱法の測定精度を向上させるために、以下のような光散乱法で測定されたデータを補正し、数量濃度データを補正し、数量濃度を重量濃度に高精度に変換する方法が提案されている。例えば、特許文献１には、環境要素を変更することなく、数量濃度を補正して数量濃度を重量濃度に変換する方法が開示されている。ＰＭ分析装置だけではなく、他の大気分析装置にも同様な問題があり、電子素子自体として、温度や湿度等の環境要素の干渉を受けやすく、測定すべきもの以外のガスや物質に対する電子センサの誤報告、誤検出の場合もある。例えば、検出対象がＣＯの場合は、空気に含まれる他の炭化水素、例えばガソリン発揮性物質等におけるＣが電子センサを干渉し、検出の精度に影響を与える場合がある。このため、これらの干渉要素の検出対象への干渉を低減させる必要がある。

また、電子環境センサ素子の構成が簡単であり、コストが低いため、高価な分析装置を組み合わせた大気分析装置に比べて、同様な予算でより多くの環境センサを設置できるため、測定箇所の分布密度を大幅に向上させることができ、微細領域の測定を実現できるため、近年、高価なセンサ装置の代わりにセンサ素子の精度の向上は研究の重点となる。しかし、例えば特許文献１に記載された方法及び装置は測定の精度を向上できるが、装置のコストも同時に上昇し、マイクロバランス法に比べてコストの利点が十分ではないため、マイクロバランス法の代替解決案に成りにくく、高密度の設置を実現しにくい。

電子機器は、長時間の動作後にドリフトや測定偏差が生じる場合がある。このため、長時間で使用した後に、環境センサを校正、補正する必要がある。同様に、他の形態の大気分析装置の長期間使用後の測定精度も引用文献１における問題と同様な問題が存在する。即ち、電子式の環境センサも大型の大気分析装置も以下の問題が存在する。これらの大気分析装置を使用する際に、大気分析装置に対して予め十分な精度校正を行った後に、各環境センサを設定し、これらの環境センサを用いて測定する必要がある。しかし、大気分析装置を利用する際に、測定の時間が長いほど、汚染等の影響を受けやすくなり、分析装置が経時的に変化し、高精度の測定を行うことができなくなる場合がある。予め設定されたメンテナンス周期に接近すると、環境センサ素子の掃除、交換、再校正等のメンテナンス作業を行う必要がある。特に検出環境に特定できない汚染状況がある場合、例えば数日又は数週間の重汚染が発生した場合は、センサのメンテナンス周期が明らかに短縮するため、得られたデータが不正確にならないようにメンテナンスを繰り上げる必要がある。

また、各環境センサモジュールの校正方法の１つとして、以下の方法を用いてもよい。検出すべき物質について濃度が予め調整された既知の標準ガスサンプルを複数準備し、校正すべき環境センサ素子を用いてこれらの標準ガスの濃度を測定し、標準ガスサンプルの濃度を変更し、濃度値−測定データの変化を示す校正曲線を求め、該曲線に基づいて測定モジュールを校正し、測定値の精度を向上させる。一部の環境センサモジュールについて１つの設定で校正できるが、各種の外部及び内部の要素により環境センサモジュールにばらつきがあるため、高精度測定に用いられる場合は、全ての環境センサモジュールをそれぞれ校正する必要がある。また、１つの環境センサ装置に複数の環境センサモジュールが搭載されている場合は、各環境センサモジュールを一つずつ校正する必要があるため、搭載された環境センサモジュールの種類、環境センサ装置の設置数が増加すると、校正が必要な環境センサモジュールの数が数倍増加し、環境センサを校正するためのコストが大幅に上昇する。また、設置後に所定の期間で動作すると、環境センサ装置を定期的に回収し、その測定精度を確認する必要があり、精度の高いデータを取得できない場合は、再校正し、校正操作を繰り返す必要がある。校正すべき装置を校正済みの装置に交換する場合であっても、現場で調整する必要がある。特に、環境情報を測定する環境センサは殆ど郊外の運送しにくい地域に設置されるため、回収や再設定に高額なメンテナンス費用が必要である。よって、環境センサの頻繁な校正は必然的にメンテナンスコストに繋がる。

上記の特許文献１のように、単一のセンサについて、干渉を生じる温度や湿度に対してデータ分析を行ってその干渉を低減できるが、測定すべきガス又は物質以外のガス又は物質もセンサを干渉する場合は、センサが対応部分の測定精度を向上できない。特に、互いに干渉する対象物を同時に捕集する場合、例えばＣ含有化合物であるＣＯ及び炭化水素の含有量を同時に検出する場合は、特許文献１に記載されている温度及び湿度の干渉のみを補正する方法は十分に対応できなくなる。

中国特許出願公開第１０５３００８６１号明細書

本発明は、環境センサ装置のデータの精度を低コストで向上させることができ、環境センサシステムの設置及びメンテナンスのコストを低減させることができる環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体及び環境センサシステムを提供することを目的とする。また、センサ装置の耐干渉性を向上させることができるものを提供することを目的とする。さらに、環境センサ装置のメンテナンス期間を長くすることができるものを提供することを目的とする。

本発明の１つの態様では、環境センサ装置が環境における検出対象の濃度を測定して得られた測定データを処理する環境センサの検出データの処理装置であって、学習モードにおいて前記環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力部と、前記学習測定用データにそれぞれ対応する真値を取得する真値取得部と、前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特徴を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成部と、前記最適補正特性に基づいて前記実測データを補正する測定データ補正部と、を含む、環境センサの検出データの処理装置を提供する。

この態様によれば、環境センサの検出データの処理装置は、測定データ入力部により、環境センサから学習モードにおける環境センサ装置の複数の学習測定用データ及び実測モードにおける環境センサ装置の実測データを取得し、真値取得部により、環境センサ装置から学習測定用データにそれぞれ対応する真値を取得し、補正特性生成部により、複数の学習測定用データと対応する真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特徴を取得し、各補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択し、測定データ補正部により、最適補正特性に基づいて実測データを補正する。処理装置によれば、環境センサの精度に関係なく、即ち精度の比較的に高い環境センサでも、精度の比較的に低い環境センサでも、真値を用いてニューロンネットワークにより、環境センサから取得された学習データに基づいて、ニューロンネットワークのモデルを学習でき、取得されたニューロンネットワークのモデルに基づいて、環境センサから取得された実測データを補正することができる。また、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行すると共に、各補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択することで、少ないデータを用いて、既存のデータを繰り返し利用でき、真値を用いて校正を繰り返し行うことができるため、環境センサ装置の検出データの正確さを十分に検証するまでの待ち時間を低減させることができる。また、センサ自体への精度要求も低減するため、比較的に安価なセンサ素子を用いて高価な高精度センサと同等なデータ処理効果を達成できる。よって、コスト削減の目的を達成できる。また、ニューロンネットワークの学習機能を用いるため、より少ない元データを用いてより高いデータ変換精度を達成できる。さらに、ニューロンネットワークの学習機能により、人間による手動でのデータ統計と分析及び手動でのモデル構築のコストを削減でき、行列アルゴリズムにより高いデータ精度を達成できる。何らかの理由で環境センサ装置により検出されたデータが真実のデータから逸脱したとしても、ニューロンネットワークのモデルに基づく処理を利用して、補正されたデータを作成でき、真実のデータに近いデータを取得できる。

この態様では、前記環境センサ装置の動作状態情報を入力する動作状態情報入力部、をさらに含み、前記動作状態情報は、前記環境センサ装置が動作する時の内部及び／又は外部の温度、湿度、気圧、照明度、環境センサ装置のＩＤ情報、及び環境センサ装置の地理的位置情報のうち少なくとも１つの情報を含み、前記関連付けデータを取得する際に、動作状態情報をさらに追加して関連付けを行う。

上記の動作状態パラメータを用いることで、これらのパラメータ及び真値に基づいて、データを検出でき、ニューロンネットワークのモデルを迅速に生成できるため、環境センサ装置を実用化するまでの時間をさらに短縮できる。また、これらの取得された情報は環境センサ装置が設置された時点に精度が確保されたので、時間パラメータの人工知能分析により、装置の使用時間を予測でき、環境センサ装置の動作状態情報の長期間の提供を確保できる。このため、この態様によれば、具体的なガスについて正確な検出データを提供できる。

この態様では、前記検出対象は、ＰＭ値及び／又はガス成分であり、前記ガス成分は、二酸化窒素、二酸化硫黄、一酸化炭素、オゾン、二酸化炭素、硫化水素、及びＶＯＣのうち少なくとも１つを含む。

これによって、ガス成分を検出対象とすることができ、環境汚染ガスの濃度を検出できる。

この態様では、前記処理装置は、異なる検出対象について複数種類のセンサ装置により取得された測定データに基づいて、ニューロンネットワークのモデルを用いて、異なる検出対象間の相互干渉特性を補正特徴に追加する。

これによって、互いに干渉する複数種類の検出対象成分について濃度をそれぞれ算出でき、相互干渉特性を有する複数種類の検出対象間の相互干渉の能力及びレベルを用いて、相互干渉特性を有する補正特徴を作成でき、それを用いて検出対象についての実測データを補正でき、より正確なデータを取得できる。

或いは、前記測定データ入力部により前記環境センサ装置から取得された複数の学習測定用データ及び実測データは前記センサ装置により前記動作状態情報に基づいて事前に補正された学習測定用データ及び実測データであり、或いは前記測定データ入力部が前記環境センサ装置から複数の学習測定用データ及び実測データを取得した後に、データ事前補正部により前記動作状態情報に基づいて前記学習測定用データ及び前記実測データを事前に補正し、前記補正特性生成部に供給する。該事前補正は、補正特性生成部による補正特性の生成と同様に、ニューロンネットワークのモデルを用いて事前補正を行ってもよい。

これによって、補正特性生成部を用いて補正データを正式に生成する前に、動作状態情報に基づいて学習測定用データ及び実測データに対して１回の事前補正を行い、即ちデータに対して２回の補正を行うことで、事前処理前のデータと正確なデータとの偏差が大きいことを除去でき、補正特性生成部による補正の精度を向上させることができる。また、補正特性生成部を用いて２回目の補正を行う場合は、相互干渉特性を併せて考慮して補正特性を生成することで、相互干渉性を有する複数種類の検出対象間の干渉を低減させることができる。

この態様では、前記真値は、検証された環境センサ装置により取得されたデータ、インターネットに格納された真のデータ、及び高精度の分析装置により検出されたデータのうち少なくとも１つのデータである。

これによって、様々な方法を用いて真値を取得でき、処理装置のデータ源への要求を低減させることができ、コストを低減させることができる。

この態様では、前記測定データ入力部及び前記真値取得部が対応する測定データを取得する際に、前記動作状態情報入力部は該測定データの時点データをさらに取得し、前記関連付けデータを取得する際に、動作状態情報に前記時点データをさらに追加して関連付けを行う。

これによって、動作状態情報に時間パラメータが含まれるため、時間パラメータに基づいてセンサの検出データを補正できるため、環境センサシステムのメンテナンス期間を延長できる。即ち、この態様によれば、ニューロンネットワークの学習機能により、環境センサの動作状態情報における時間を分析し、装置の減衰、経時変化の状況を推定することで、より長い期間内で装置の測定精度を確保できるため、装置の校正頻度を低減させ、メンテナンスコストを低減させることができる。他のニューロンネットワークによりビッグデータを分析でき、環境データの由来の分析及び予測を実現できる。このように、環境センサ装置及び環境センサシステムの校正、メンテナンス前の使用期間を延長できる。

例えば、補正処理のモデルとして、２層木構造のニューロンネットワーク（ＮＮ）を用いる補正方法を採用する。

１層目のニューロンネットワークは、取得された各環境センサ素子又はモジュールに対して１回の補正をそれぞれ行う。該１回の補正は、標準のニューロンネットワークを用いてもよく、従来の曲線式に従って変形された標準のニューロンネットワークを用いてもよいし、ニューロンネットワークを用いることなく従来の曲線式を直接用いてもよい。入力データは、該環境センサ素子又はモジュールの出力データ及び該環境センサの動作状態情報である。

１層目のニューロンネットワークは、隠れ層を少なくし、或いは無くすることで、環境センサの動作状態の出力データへの影響を優先的に排除し、勾配消失の局所最適解を回避する。この態様では、１つの隠れ層、Ｘ＊Ｗ１＋ｂ１の標準関数を用いる。独立した補正は、既存の補正式又は動作状態の影響を解消した環境センサ素子又はモジュールにより柔軟な組み合わせ選択肢を提供した。

２層目のニューロンネットワークの入力は全ての環境センサ素子又はモジュールの検出データ及び動作状態情報であり、出力は全ての環境センサ素子又はモジュールの補正後データである。この態様では、１つの隠れ層、Ｘ＊Ｗ１＋ｂ１の標準関数を用いる。装置の演算能力に応じてより多くの隠れ層を用いてもよく、必要に応じて関数又はニューロンネットワーク自体を変形してもよい。

具体的な例として、該ニューロンネットワークのモデルによるデータ処理では、該環境センサ素子又はモジュールにより検出されたデータ及び該環境センサ装置の動作状態情報を１つのデータペアに構築し、該データペアと該真値を集約し、該集約データをニューロンネットワークの人工知能訓練システムに導入し、データの特徴サンプルを訓練し、モデルを取得する。ここで、該環境センサ素子又はモジュールは、大気内に存在する粒子状物質を測定する機能を有し、環境に影響を与えるガスの濃度を検出する機能を有する。或いは、該環境センサ素子又はモジュールは、大気内に存在する粒子状物質を測定するサブ素子又はサブモジュールを有し、環境に影響を与えるガスの濃度を検出するサブ素子又はサブモジュールを有する。このように、機能統合の環境センサ素子又はモジュールを用いてもよいし、複数の機能を実現するサブ素子又はサブモジュールをそれぞれ用いてもよい。

これによって、上記のシステムはこれらのデータに基づいてモデルをベースにして補正処理を行い、サーバ装置に測定データを真値又は真値に近いデータに補正する。また、データをサーバに蓄積した後に、サーバによりデータの検索サービス、データの図形化サービス、データの分析サービスを提供してもよい。操作者の要求又は命令に基づいて、操作者に必要なデータをディスプレイに表示してもよい。

なお、データ処理は、補正処理に限定されず、種類の異なるデータ間の変換処理、例えば粒子数データを重量データに変換する処理、又は仕様の異なるデータ間の変換処理をさらに含んでもよい。また、補正は、偏差のあるデータを真値又は真値に近いデータに補正することに限定されず、データのフォーマット、仕様の補正等をさらに含む。

また、ニューロンネットワークのモデルを構築する際に、一例として、用いられる重要データと真値との関連付けデータの合計は１０００個程度である。１０００個程度の関連付けデータを用いることで、大量のデータに基づいてニューロンネットワークのモデルを用いて偏差のあるデータを正確なデータに補正できる。また、この態様では、２層のニューロンネットワークを用いることで、１０００個程度の関連付けデータを使用すればよく、関連付けデータ量への要求が低く、データ処理量を低減させ、ニューロンネットワークのモデルの構築時間を短縮でき、本発明の環境センサシステムの設置から自らの補正までの必要な時間を短縮できる。

ニューロンネットワークのモデルの学習のためのデータは、数が多いほど、補正の精度が高くなる。例えば、本発明の１つの態様では、十分な補正結果を取得し、データ収集に必要な時間を短縮するために、学習データと測定データに対して複数回のランダムなグループ分けを行い、データを複数回繰り返し利用する。具体的には、１０００個のデータセットの場合は、９００個のデータを学習データとしてランダムに抽出し、１００個のデータを測定データとし、１００回繰り返し実行して１００個のモデル（実際な処理ではより多い、或いはより少ない回数のランダムなグループ分け処理を行ってもよい）を取得し、取得されたモデルの平均値を求め、１０００×１００個程度のデータセットの結果を取得できる。このような処理方法により、ニューロンネットワークの分析方法という特徴をよく利用でき、元データの蓄積時間及び初期設定のメンテナンス時間などを大幅に短縮できる。また、非ニューロンネットワークの従来のデータ分析に比べて、データ利用率は幾何級数的に増加し、より少ないデータを用いてより高いデータ変換精度を実現でき、元データへの依存度を低減させることができる。

設置点近傍でネットワーク又は他の校正済みの環境センサ装置によりデータの真値を取得できる場合は、設置前の校正を行わなくてもよく、サイクリックニューロンネットワークにより、近傍の真値を学習し、未補正の環境センサ装置の予測動作状態情報を出力し、校正済みの環境センサ装置により出力されたデータに基づいて該ニューロンネットワークを用いて真値を予測し、設置前の校正の行われていない環境センサ装置により取得された不正確なデータを予測された真値に補正する。蓄積した測定データが増えるほど、学習データの増加もモデルの学習に反映するため、真値と測定データとの偏差はモデルにより徐々に補正されることになる。

環境センサの動作状態情報は時間パラメータをさらに含んでもよく、時間もデータの真値に影響を与える重要な条件の１つである。例えば、１ヶ月で取集されたデータを学習することで、ニューロンネットワークは、１ヶ月間の各環境センサの異なる程度のデータドリフトや減衰を検出でき、時間と減衰とのモデルを取得できる。他の例として、装置を定期的にメンテナンスすることで、より長い期間のデータを取得でき、ドリフトや減衰のモデルをより正確に予測できる。モデルは、同一型番の装置のモデルであり、同一型番の装置の精度を向上できる。このため、設置後の長期間の測定において各環境センサ装置内の環境センサ素子の経時変化による測定データと真値との偏差が生じても、事前に蓄積した測定データを用いてモデルに学習させ、経時的な変化を学習させることができるため、メンテナンスの期間を延長でき、再校正の実施頻度を低減させることができる。

さらに、該センサ装置は、センサ素子の一部又は全部を校正していないセンサ装置である。また、本発明では、用いられるセンサ装置が通常の精度又は比較的に低い精度のセンサであっても、真値を用いてニューロンネットワークのモデルにより、該センサ装置により取得された高標準、高精度の要求を満たしていない検出データを、高標準、高精度の要求を満たした検出データに変換できる。よって、センサシステム全体のコストを低減させることができる。

また、本発明のもう１つの態様では、ネットワークに接続された複数のセンサ装置と、前記ネットワークに接続された上記の処理装置と、を含み、前記処理装置の測定データ入力部は、ネットワークを介して前記複数のセンサの実測データを取得し、前記実測データを補正する、環境センサシステムをさらに提供する。

これによって、上記の各処理装置の全ての利点及び効果を有するセンサシステムを提供できる。

この態様では、前記センサ装置は、センサ素子の一部又は全部が補正されていないセンサ装置であり、且つ／或いは前記センサ装置は、複数種類の検出対象の濃度をそれぞれ測定するセンサと、環境センサ装置の動作状態情報を高精度に取得する動作状態情報取得部群と、を含んでもよい。

また、本発明のもう１つの態様では、環境センサ装置が環境における検出対象の濃度を測定して得られた測定データを処理する環境センサの検出データの処理方法であって、学習モードにおいて前記環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力ステップと、前記学習測定用データにそれぞれ対応する真値を取得する真値取得ステップと、前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特性を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成ステップと、前記最適補正特性に基づいて前記実測データを補正する測定データ補正ステップと、を含む、環境センサの検出データの処理方法をさらに提供する。

また、本発明のもう１つの態様では、コンピュータプログラムが記憶されたコンピュータ読み取り可能な記憶媒体であって、環境センサシステムに含まれているプロセッサが前記コンピュータプログラムを実行する際に、前記環境センサシステムに、学習モードにおいて環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力ステップと、前記学習測定用データにそれぞれ対応する真値を取得する真値取得ステップと、前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特性を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成ステップと、前記最適補正特性に基づいて前記実測データを補正する測定データ補正ステップと、を実行させる、コンピュータ読み取り可能な記憶媒体をさらに提供する。

本発明は、手動でのモデル構築のコストを低減させ、設置前の環境センサ装置の事前補正のコストを低減させ、環境センサ装置の経時変化による測定データの偏差を低減させることができるため、再校正の実施頻度を低減させ、メンテナンス周期を長くし、環境センサ装置のメンテナンスコストを低減させることができる環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体及び環境センサシステムを提供できる。

第１実施形態に係る環境センサシステムを示す図である。 環境センサシステムのサーバ装置の処理において用いられるニューロンネットワークの実装モデルの構成を示す図である。 実装モデルの木構造の図における１回目のニューロンネットワーク（ＮＮ）の構築及び実装の詳細図である。 実装モデルの木構造の図における２回目のニューロンネットワーク（ＮＮ）の構築及び実装の詳細図である。 各ガス間の干渉状況を示す表である。 本発明のデータ処理方法を示す図である。 本発明の環境センサシステムにより得られた効果を説明するための図である。 第２実施形態に係る環境センサシステムを示す図である。 第３実施形態に係る環境センサシステムを示す図である。

以下は本発明の好ましい実施形態を説明する。

［第１実施形態］
図１は第１実施形態に係る環境センサシステムを示す図である。複数の大気分析環境センサ装置１２が設置されている。大気分析環境センサ装置１２の内部には、１つの筐体（図示せず）内に光散乱式のＰＭ環境センサ素子と、窒素酸化物、硫黄酸化物、一酸化炭素、オゾン、二酸化炭素、硫化水素、ＶＯＣ等環境に影響を及ぼすガスの濃度を検出できる環境センサ素子が搭載され、測定すべき対象物質用の環境センサ素子群とされる。ここで、１つの環境センサ素子で複数種類の検出すべきガスの濃度を検出することの例を示しているが、他の態様として、各検出対象ガス毎に１つの環境センサ素子を設けてもよいし、複数種類の検出すべきガスについて複数の環境センサ素子を組み合わせて使用してもよい。また、一部の検出対象ガスについて１つの環境センサ素子を設け、他の検出対象ガスについて１つ又は複数の環境センサ素子を個別又はまとめて設けてもよい。

また、全体から見ると、分析環境センサ装置１２は、大気内に存在する粒子状物質の濃度、即ちＰＭ濃度を測定してもよいし、環境に影響を及ぼすガスの濃度、即ち窒素酸化物、硫黄酸化物、一酸化炭素、オゾン、二酸化炭素、硫化水素、ＶＯＣの濃度を測定してもよい。一例として、分析環境センサ装置１２は、所定の期間、例えば１分間毎に測定されたＰＭ濃度のデータ１２ａを無線基地局１３に送信してもよい。また、大気分析環境センサ装置１２は、測定すべき対象物質用の環境センサと同一の筐体（図示せず）内に、どの環境センサ装置から取得された測定情報であるかを示すＩＤ情報を取得する装置、設置位置の位置情報（例えばＧＰＳ）を取得する装置、温度計、湿度計、気圧計、照明度計等の装置群がさらに搭載され、センサの動作状態情報のデータ１２ｂを取得する装置とされる。環境センサ装置内に導入する前に、環境センサ装置の動作状態情報を取得するこれらの装置は一般的な精度が確保され、長期間でメンテナンスする必要がない場合の情報収集を行うことができる装置である。なお、本発明の他の一例として、これらの動作状態情報を補正すべき情報として補正してもよく、この場合の補正方法は、本発明の検出対象ガスの検出データの補正方法を参照してもよい。

また、同一の筐体には、これらの環境センサ素子を駆動する電池（電源）、データ保存用のメモリカード、測定データをインターネット１４を介してサーバ装置１５に送信する通信装置、環境センサ素子の動作環境を維持する装置などの補助的装置（図示せず）がさらに搭載されている。なお、これらの補助的装置は必須の装置ではなく、例えば本発明は電池を給電装置としてもよいが、交流電流などで直接給電し、或いは太陽光発電装置などを用いてもよい。また、記憶装置は、不揮発性のメモリカードを用いてもよいし、フラッシュメモリなどの揮発性の記憶装置を用いてもよい。また、送信装置は特に限定されず、データの伝送及び送信を実現可能な装置であればよい。

通信システムは有線方式及び／又は無線方式を用いてもよいが、無線方式は環境センサ装置の設置位置の自由度を向上できるため好ましい。無線方式の種類は、データをインターネット上のサーバ装置に送信できればよく、任意の方法を用いてもよい。本実施形態では、移動体通信システム、例えば４Ｇ又は次世代の５Ｇ通信システムを用いてもよいし、ＷＩＦＩ等の広域無線インターネットを用いてもよいし、ブルートゥース（登録商標）等の近距離無線ネットワークを用いてもよい。

本実施形態では、各環境センサ素子の測定データ１２ａ及び動作状態情報１２ｂは無線通信システムによりインターネット１４を介してサーバ装置１５に送信され、サーバ装置１５内の記憶装置（図示せず）に記憶され、蓄積される。

本実施形態では、サーバ装置１５により、蓄積されたデータを処理する。また、本実施形態では、ネットワーク上で公開されたデータ１６を学習データにおける必要な真値のデータとする。精度の高い大気分析装置により測定されたＰＭ、窒素酸化物、硫黄酸化物、一酸化炭素、オゾン、二酸化炭素、硫化水素、ＶＯＣ等の各測定データ１６ａ、及び該真値データを測定するための動作状態情報（例えば位置及び時間）を示すデータ１６ｂを用いる。測定における時間パラメータ、即ち同一の時間に小型の大気分析環境センサから送信された測定データ１２ａ、小型の大気分析環境センサにより取得された上記データを検出する時の動作状態情報１２ｂ、ネットワーク上で公開された真値である精度の高い濃度データ１６ａ及び上記真値データを取得する時の動作状態情報１６ｂを、データセット１７に集約して記憶する。図１に示すように、本発明に用いられる具体的な処理方法は、測定データ１２ａと動作状態情報１２ｂとを関連付けデータ（本実施例では、データペアの形を採用しているが、これに限定されず、行列などの形を用いてもよい）に作成し、濃度データ１６ａと動作状態情報１６ｂとを関連付けデータ（上記と同様に）に作成し、作成された関連付けデータをサーバ装置１５のメモリに記憶し、蓄積する。

サーバでは、これらの蓄積されたデータセット１７を学習データとし、モデル１８に学習させる。本実施形態では、モデルとして、図２の符号１２に示すニューロンネットワークのモデルを用いる。必要なデータを学習するほど、モデルの学習が改善される。

各環境センサについて１つのニューロンネットワークのモデルを準備してもよい。例えば、１０種類の環境センサ素子が搭載された環境センサ装置について、各環境センサにそれぞれ対応する１０個のニューロンネットワークのモデルを準備する。ニューロンネットワークの層数、相関係数は、各環境センサに応じて異なってもよい。

環境センサの種類によって異なるが、１０００個程度以上の学習データがあれば、モデルの学習は十分な精度を達成できる程度になる。モデルの学習が終了した後に、モデルを用いて未校正の各環境センサ装置から送信された各測定データ１２ａを補正し、精度の高い補正後のデータ１８ａを取得する。また、使用者の需要や要求に応じて、補正後のデータを表示装置に表示してもよい。

現在、センサ製造者は自分で製造したセンサ素子を異なる程度のデータ補正を実行し、温度や湿度の補償式又はニューロンネットワーク技術を用いているが、通常高精度の温度や湿度などの環境センサ素子の動作状態センサの価格が環境センサ素子自体よりも高く、低精度が測定精度に重大な影響を与え、高精度の要求を十分に達成できない。そこで、高価な装置でセンサの動作環境を制御する方法は実質的に利用できなく、各センサ素子について動作状態を検出するためのセンサ（検出装置）をそれぞれ設けるという上記の方法は単一のセンサ装置のコストを明らかに上昇させ、製品の市場競争力を失ってしまう。一方、本発明では、複数の環境センサ素子が１組の高精度の動作状態装置を共用することで、装置のコストを大幅に低減させることができる。

本発明のもう１つのポイントとしては、複数のセンサ素子間の測定データの相互干渉という問題を解決した。現在、ガスセンサは、通常複数の測定すべきガス、特に可燃性ガス又は酸化性ガスに対して感度を有する。例えば、図５の（Ａ）に示すように、実験室で標準ガスを測定する場合は、１００ｐｐｍの二酸化窒素のみを含む標準ガスを入力するが、他の非二酸化窒素センサでは誤って測定された値が現れる。２００ｐｐｍの二酸化窒素の標準ガスを入力する場合は、図５の（Ｂ）に示すように、非二酸化窒素センサにも変動が生じ、同様に、他のガスの標準ガスを入力した場合も同様なことが生じる。標準ガスを繰り返し測定し、各センサの誤測定の感度の変動曲線を算出してもよいが、各センサが異なる特性を有し、センサの数が増加すると、組み合わせ測定の実験コストが数倍に増加してしまう。さらに、現実の複数種類のガスが共存している状態では、図５の（Ｃ）に示す測定結果について、出力データにおける誤測定の感度と実測データの割合を判断できなく、全ての誤測定の感度の変動規則を推定して正確な数値を取得することを確保できない。一方、本発明の方法では、ニューロンネットワークのモデルを用いて処理した後に、設定式の不正確さを回避でき、代替的なニューロンネットワークのモデルを用いて処理するため、精度を向上した。

即ち、環境センサ装置に各ガス毎にセンサ素子が設けられるが、従来のガスについてのセンサは複数種類のガスに対して感度を有する。例えば、以下は、複数種類の環境センサのそれぞれの対象ガスに対する感度の状況が示されている。具体的には、測定対象である対象ガスを測定する際に、測定環境に対象ガスのみならず、１つ又は複数の種類の干渉ガスが共存するため、センサの測定結果は実質的に対象ガス濃度の測定結果と干渉ガス濃度の干渉値（本文では感度とも称される）との和である。対象ガスによって、種類の異なる干渉ガス、異なるガス濃度は干渉値に影響を与える。

これに対して、本発明の環境センサシステムを用いて補正測定を行い、環境センサの複数の測定値を同時に取得し、ニューロンネットワークのモデルにより対応する真値に基づいて該複数の測定値を処理し、得られた測定データから干渉ガスにより形成された干渉値を除去し、測定データの補正特性を取得する。即ち、補正特性により補正することで、得られた測定データと真値との差を所定の閾値よりも小さくすることができる。そして、実際に測定する際に、取得された補正特性により、実際の測定データを補正し、正確なデータを取得できる。

具体的なデータ処理方法は、図６Ａに示すデータ処理方法の一例を参照してもよい。ここで、複数セットの同一の時点のセンサ装置の動作状態情報、センサ検出データ及び真値を１つのデータセットとして測定データ５１を取得し、各センサに対応する図２の構成を有するニューロンネットワークのモデル１８に同一のデータを入力し、データを学習する。ニューロンネットワークは入力された同一の時点の動作状態、センサ検出データ及び真値に対してデータ処理の比較を行い、特徴データを抽出して記憶する。十分なデータに対して学習したモデルに検出データ５２を入力し、各モデルに記憶されたデータ処理の特徴から、各センサに対応するデータの真値を推定し、処理後データ５３を出力する。

ニューロンネットワークの学習機能は、隠れ層を増加し、データの次元を変更することでデータ間の規則を取得し直してもよく、この部分の実現は図４において説明され、本システムの実装に用いられるニューロンネットワークの全体的な木構造が説明される。

図２は環境センサシステムのサーバ装置の処理において用いられるニューロンネットワークの実装モデルの構成を示す図である。一例として、図２に示す構成図では、入力データは大気分析環境センサ装置の出力データ１２ａ、１２ｂ又は８２ａ、８２ｂであり、処理用のニューロンネットワークモデルは１８であり、ここで２４ａｎはｎ番目の環境センサ素子又はモジュールの出力データの初回補正用の１層目のニューロンネットワーク２２により用いられるモデルを表し、２４ｂは２層目のニューロンネットワーク２３により用いられるモデルを表し、出力データは１８ａであり、ここで２３ａｎはｎ番目の環境センサ素子又はモジュールの出力データの補正後の数値を表す。ここの初回補正は本発明の態様における事前補正に相当する。また、サーバ装置によりニューロンネットワークのモデルを用いてデータに対して事前補正を行うことは単なる一例であり、実際に使用する際に、該事前補正は、センサ装置に設けられたセンサによりその製品特性に基づいて動作状態情報を用いて行われる補正であってもよい。或いは、センサ装置自体により手動計算などの方法で補正された事前補正データであってもよい。

本実施形態は、２層木構造の混合ニューロンネットワーク（ＮＮ）のモデルを用いる補正方法を採用する。１層目のニューロンネットワークは、取得された各環境センサ素子又はモジュールに対して１回の補正をそれぞれ行う。該１回の補正は、標準のニューロンネットワークを用いてもよく、従来の曲線式に従って変形された標準のニューロンネットワークを用いてもよいし、ニューロンネットワークを用いることなく従来の曲線式を直接用いてもよい。即ち、ニューロンネットワークに入力する入力データは、該環境センサ素子又はモジュールの出力データ及び該環境センサの動作状態情報である。１層目のニューロンネットワークは、隠れ層を少なくし、或いは無くすることで、環境センサの動作状態の出力データへの影響を優先的に排除し、勾配消失の局所最適解を回避する。独立した補正は、既存の補正式又は動作状態の影響を解消した環境センサ素子又はモジュールにより柔軟な組み合わせ選択肢を提供した。２層目のニューロンネットワークの入力は全ての環境センサ素子又はモジュールの検出データ及び動作状態情報であり、出力は全ての環境センサ素子又はモジュールの補正後データである。この態様では、実装のニューロンネットワークは全て１つの隠れ層、ｓｉｇｍｏｉｄ活性化関数を用いる。また、装置の演算能力に応じてより多くの隠れ層を用いてもよく、必要に応じて関数又はニューロンネットワーク自体を変形してもよい。

図３は１回目のニューロンネットワーク（ＮＮ）の構築及び実装の詳細図である。該部分の実装は標準のニューロンネットワークを用いて、ｐｙｔｈｏｎ言語のｔｅｎｓｏｒｆｌｏｗを用いてネットワークモデルを構築し、アルゴリズム及び原理は清華大学出版社の「機械学習」第５章ニューロンネットワークを参照してもよい。実装では１つの隠れ層が設けられ、２層ニューロンネットワークとも称され、該隠れ層は１０個のノードがあり、詳細図ではｎ個のノードで表され、ｓｉｇｍｏｉｄ関数を活性化関数として用い、ｃｏｓｔ計算は真値と出力値との差の２乗を用いる。図３に示すように、ニューロンネットワークは３つの層、即ち入力層、隠れ層及び出力層に分けられ、本実装では１つの隠れ層が用いられ、２層ニューロンネットワークとも称され、選択の理由は２層ニューロンネットワークが任意の連続関数に無限に近似できることが理論上で証明されているからである。円形ノード内のものはデータを表し、矢印の線は重み又は加重値Ｗと称される。

計算式は次の通りである。

ｈ_ｔ＝σ（Ｗ_ｈ［ｈ_ｔ−１，ｘ_ｔ］＋ｂ_１）
Ｏ_ｔ＝σ（Ｗ_ｏ［ｈ_ｔ−１，ｘ_ｔ］＋ｂ_２）
例えば、隠れ層の計算例は次の通りである。

ｈ１＝ｓｉｇｍｏｉｄ（１２ａｎ＊Ｗａｎｈ１＋１２ｂ１ｈ１＊Ｗｂ１ｈ１＋…＋１＊Ｗ１ｈ１）
同様に、既知のＷ１行列に基づいて隠れ層ｈ１−ｈｎを算出でき、Ｗ２行列に基づいて２２ａｎを算出でき、補正後のデータＯ_ｔを取得でき、実際の計算は対応するニューロンネットワークのプログラムにより実行され、この態様ではｐｙｔｈｏｎ言語のｔｅｎｓｏｒｆｌｏｗを用いる。一方、環境センサ装置の出力データ及び真値１６ａｎが取得された場合は、ニューロンネットワークの学習プログラムは、出力値２２ａｎと１６ａｎと最も接近する行列を取得するまで、ペナルティメカニズムに従って真値と出力値との差の２乗に基づいて、Ｗにおけるデータの数値を調整する。学習のデータが多いほど、得られたＷ行列が正確になる。この態様では２層のニューロンネットワークを用いているが、隠れ層の数に限定されなく、他のニューロンネットワークモデルや他の変形、他の活性化関数などを用いてもよい。

図４は木構造の図における２回目のニューロンネットワーク（ＮＮ）の構築及び実装の詳細図である。この態様で用いられるニューロンネットワークの構成及びアルゴリズムは図３と同様であり、相違点としては、入力データにおける検出データが１層目のニューロンネットワークにより初回補正された出力値であり、出力層と同時に全ての補正後のデータを出力する。木構造の２層目のニューロンネットワークの入力データは一般な精度を有し、動作状態の影響を除去し、各環境センサ素子又はモジュール間の影響を深く分析することができる。本方法は、標準のニューロンネットワークに限定されず、実際の使用の場合は、より高いデータ精度を達成するように、サーバ性能に応じて隠れ層の数を増加し、適宜変形して勾配消失の局所最適解を回避してもよい。サイクリックニューロンネットワーク又は関連するネットワークシミュレーションの変形を応用し、データ由来の予測などの実際の応用を幅広く拡張してもよい。

図６Ｂは本発明の効果を説明するための図である。図６Ｂに示すように、未補正の測定データと真値との相関係数を評価標準として採用する。図６Ｂに示すように、ＰＭ２．５環境センサ素子の補正では、未補正の測定データと真値との相関係数は０．８６であり、一方、本発明に係る応用モデルの処理方法により得られた補正後の測定データと真値との相関係数は０．９５である。よって、高精度に補正することができる。

これによって、本発明の環境センサシステムでは、ニューロンネットワークのモデルを用いることで、手動でのモデル構築のコストを低減させ、設置前の環境センサ装置の事前補正のコストを低減させることができる。また、環境センサにより出力されたデータに干渉による偏差が生じた場合、蓄積データを自発的に用いて、ニューロンネットワークのモデルを用いて環境センサ素子により出力されたデータを校正、補正することができるため、環境センサ装置の経時変化による測定データの偏差を低減させることができる。従って、環境センサ装置に偏差が生じた場合であっても、ニューロンネットワークのモデルを用いて出力データを補正することで、再校正の実施頻度を低減させ、メンテナンス周期を長くし、環境センサ装置のメンテナンスコストを低減させることができる。

また、上記のデータ処理方法は、コンピュータソフトウェアで実現されてもよく、該ソフトウェアはコンピュータ読み取り可能な媒体、例えばＣＤＲＯＭ、ＤＶＤＲＯＭ等の読み出し専用記憶媒体に記憶されている。また、ＨＤＤ、ＳＤメモリ等の書き換え可能な固定又は挿入式の記憶媒体を用いてもよい。また、ネットワーク上のネットワークディスク等の記憶媒体を用いてもよい。該ソフトウェアが記憶されている記憶媒体にはコンピュータプログラムが記憶され、環境センサシステムに含まれるプロセッサに該コンピュータプログラムを実行させる際に、該環境センサシステムに以下のステップを実現させる。インターネットを介して接続された１つ以上の環境センサ装置及びサーバ装置により構成された環境センサシステムにおける環境センサ装置は内蔵されている１つ以上の環境センサ素子又はモジュールにより検出された物質含有量の検出データ、及び同一時点における該環境センサ装置の動作状態情報を同時に収集し、環境センサシステムのサーバ装置はインターネットを介して１つ以上の環境センサ装置の環境センサ素子又はモジュールにより検出された検出データ及び環境センサ装置の動作状態情報を受信し、検出データ及び動作状態情報を累積し、サーバ装置は環境センサ装置の環境センサ素子又はモジュールにより検出されたデータと対応する環境センサ装置の動作状態情報とを関連付けて関連付けデータを生成し、関連付けデータをニューロンネットワークのモデルに入力し、該モデルのデータ処理により、各環境センサ素子又はモジュールにより検出されたデータに対して少なくとも補正を含むデータ処理を行い、補正後の結果データを出力する。ここで、ニューロンネットワークのモデルは、訓練データを訓練して構築されたものである。

また、本実施形態では、モデルを作成する際に、１０００個程度の関連付けデータを用いる。その理由は以下の通りである。従来のセンサ装置では、通常単一のセンサ装置又はセンサ装置内のセンサ素子をそれぞれ個別に校正するため、複数のセンサ装置を同時に使用して同時動作又は協力動作を行わせる場合、各センサ素子又は装置自体の検出が正確であっても、複数のセンサ素子間に干渉が生じ、各センサ装置間の校正の差異があり、或いは各センサ装置のセンサ素子間の校正の差異があるため、最終的にセンサ装置により出力されたデータに偏差が現れる。一方、本実施形態では、１０００個程度の関連付けデータを用いることで、大量のデータに基づいてニューロンネットワークのモデルを用いて偏差のあるデータを正確なデータに補正できる。また、本実施形態では、２層のニューロンネットワークを用いることで、１０００個程度の関連付けデータを使用すればよく、関連付けデータ量への要求が低く、データ処理量を低減させ、ニューロンネットワークのモデルの構築時間を短縮でき、本発明の環境センサシステムの設置から自らの補正までの必要な時間を短縮できる。

さらに、本発明によれば、用いられるセンサ装置が通常精度のセンサ又は低精度のセンサであっても、真値を用いてニューロンネットワークのモデルにより、センサ装置により取得された高標準、高精度の要求を満たしていない検出データを、高標準、高精度の要求を満たした検出データに変換できる。よって、センサシステム全体のコストを低減させることができる。

また、本実施形態では、サーバ装置１５では、センサ装置から測定データを取得する手段（ユニット又はモジュール）は本発明の測定データ入力部に相当し、ネットワークで公開された真値データから真値を取得する手段（ユニット又はモジュール）は本発明の真値取得部に相当し、ニューロンネットワークのモデルにより関連付けデータを処理して補正特徴を取得する手段（ユニット又はモジュール）は本発明の補正特性生成部に相当し、補正特性生成部により選択された最適補正特性に基づいて実測データを補正する手段（ユニット又はモジュール）は本発明の測定データ補正部に相当し、センサ装置から各動作状態情報を取得する手段（ユニット又はモジュール）は本発明の動作状態情報入力部に相当する。

また、ソフトウェア自体は、従来の通常のプログラミング言語、例えばＪＡＶＡ(登録商標)等のプログラミング言語を用いて作成されてもよい。プログラムの実行方法は上記環境センサの補正方法の動作方法と同一又は基本的に同一であるため、ここでその詳細な説明を省略する。

［第２実施形態］
図７は第２実施形態に係る環境センサシステムを示す図である。本実施形態の補正方法では、第１実施形態のようにネットワーク上で公開された分析装置のデータを真値データとすることと異なり、予め校正された高精度の測定を実現可能な大気分析環境センサ装置を準備し、該環境センサから得られた測定データを真値とする。未校正の環境センサ装置の構造と同一の構造を有する環境センサ装置を用いて予め校正してもよく、環境センサ装置に内蔵されている環境センサ素子と同一の物質の量を検出可能な環境センサであれば、他の構造の環境センサを用いてもよい。第１実施形態の図面における同一の構成要素について同一の符号で示し、その説明を省略する。

複数の未校正の小型の大気分析環境センサ装置１２が設置されている。そのうち１つの環境センサ装置１２の近傍に予め校正された高精度の測定を実現可能な同一種類の環境センサ装置構造の校正済みのデータを取得するための近傍大気分析環境センサ装置７２が設けられている。本実施形態における通信システムは有線接続方式（なお、必要に応じて無線接続を用いてもよい）である。各大気分析環境センサ装置１２により取得された測定データ１２ａ、７２ａ及び動作状態情報１２ｂはインターネット１４を介してサーバ装置１５に送信され、サーバ装置１５の記憶装置（図示せず）内に記憶されている。

本実施形態では、データ学習に必要な真値のデータとして、測定と同じ時点において、小型の大気分析環境センサから送信された測定データ１２ａ、７２ａと動作状態情報とを集約し、データセット１７として記憶する。サーバ装置１５では、これらの累積されたデータセットを学習データとして、図２の符号１２で示すニューロンネットワークのモデルに学習させる。モデルの学習が終了した後に、モデル１８を用いて未校正の各環境センサ装置から送信された各測定データ１２ａ、動作状態情報１２ｂを補正し、高精度の補正後のデータ１８ａを取得し、補正後のデータ１８ａを補正後の各環境センサ装置により送信された補正データとして用いる。例えば、補正後のデータを情報収集装置、公衆に提供し、或いは表示装置等に表示させる。

補正の方法は、第１実施形態に記載された補正方法を用いてもよいし、第１実施形態に記載されたソフトウェアが記憶されている記憶媒体により実現されてもよい。

［第３実施形態］
図８は第３実施形態に係る環境センサシステムを示す図である。本実施形態では、第１実施形態のようにインターネット上で公開された分析装置データを真値とすることと異なり、高精度が確保された分析装置８９の近傍には構造が補正すべき大気分析環境センサ装置１２と同一の装置８２が設けられると共に、同一時点の同一大気のデータ８２ｃ及び動作状態情報の情報８２ｄを並行して測定する。第１実施形態及び第２実施形態と同様な構造の部分について、同一の符号で示し、その説明を省略する。

補正すべき大気分析環境センサ装置１２と同一の装置８２から取得された並行して測定された同一時点の同一大気のデータ８２ｃ及び動作状態情報の情報８２ｄに基づいて、高精度の分析装置８９を用いて処理を行い、そして、高精度の分析装置８９から取得されたデータ８９ａを真値とし、分析装置とペアとなる未校正の環境センサ装置８２の測定データ８２ｃ及び動作状態情報からの情報８２ｄに基づいて、モデルを学習し、校正すべき環境センサ装置１２から取得された測定データ１２ａ及び動作状態情報１２ｂを測定データとしてモデルに導入し、校正済みのデータ１８を出力する。他の構造は第１実施形態と同様である。

また、本実施形態の補正の方法は、第１実施形態に記載された補正方法を用いてもよいし、第１実施形態に記載されたソフトウェアが記憶されている記憶媒体により実現されてもよい。

［他の実施形態］
また、別の実施形態として、環境センサの測定データの経時的なドリフトをさらに考慮し、さらに補正を行ってもよい。

具体的には、上記の補正測定を行う際に、前回の正確な校正及び設置の時点を始点として、異なる時点を記録して環境センサの測定データを複数回取得してもよいし、正確な時間を同時に取得し、時間差を算出することで環境センサの動作時間を記録してもよい。そして、複数回の測定データと対応する時間データとを関連付け、ニューロンネットワークのモデルにより関連付けされた関連付けデータを処理し、経時的な要素を考慮した補正特性を取得する。

このような補正特性により、環境センサの経時的なドリフトをさらに補正することができ、測定精度をさらに向上させることができる。

１１ 第１実施形態における環境センサシステム
１２ 第１乃至３実施形態における未補正の大気分析環境センサ装置
１２ａ 未補正の環境センサ装置の測定データ
１２ｂ 精度が確保され、補正が必要ない環境センサ素子により測定された環境センサ装置の動作状態情報（「動作状態情報」と略称する）
１３ 無線基地局
１４ インターネット
１５ データ記憶及び補正処理用のサーバ装置
１６ ネットワーク上に公開された環境センサの測定データのデータベース
１６ａ ネットワーク上に公開された、未補正の環境センサ装置の測定データと同一種類の測定データ
１６ｂ ネットワーク上に公開されたデータを測定する時の動作状態情報
１７ 学習モデルに用いられる学習データセット
１８ 測定データ補正用のモデル
１８ａ 補正後の測定データ
２１ 実装モデル
２２ １回目の補正用のニューラルネットワーク
２２ａｎ ｎ番目の未補正の環境センサ測定データが１層のニューラルネットワークにより補正された出力データ
２３ ２回目の補正用のニューラルネットワーク
２３ａｎ ｎ番目の補正後の測定データ
２４ａｎ ｎ番目の環境センサ素子又はモジュールの出力データ初期補正用の１層目のニューラルネットワーク
Ｗ１、Ｗ２ モデル行列
２４ｂ ２層目のニューラルネットワーク２３用のネットワークモデル
３１ １回目のニューラルネットワーク（２４ｎｎ）
３１ａ ニューラルネットワーク入力層
３１ｂ ニューラルネットワーク隠れ層
４１ ２回目のニューラルネットワーク（２４ｂ）
４１ａ ニューラルネットワーク入力層
４１ｂ ニューラルネットワーク隠れ層
４１ｃ ニューラルネットワーク出力層
５２ 検出データの一例
５３ 処理後データの一例
６１ 環境センサ装置により測定された補正前後の各測定データと真値との相関関係
７１ 第２実施形態における環境センサシステム
７２ 事前に補正された大気分析環境センサ装置と同一の構成を有する大気分析環境センサ装置
７２ａ 事前に補正された環境センサ装置により測定されたデータ
８１ 第３実施形態における環境センサシステム
８２ 分析装置８９とペアとなる大気分析環境センサ装置と同一種類の未補正の大気分析環境センサ装置
８２ｃ 分析装置とペアとなる大気分析環境センサ装置のデータと同一種類の測定データ
８２ｄ 分析装置とペアとなる大気分析環境センサ装置のデータと同一種類の動作状態情報
８９ 高精度が確保された環境センサと同一種類のデータを取得可能な分析装置
８９ａ 分析装置により測定されたデータ

Claims (11)

1. 環境センサ装置が環境における検出対象の濃度を測定して得られた測定データを処理する環境センサの検出データの処理装置であって、
   学習モードにおいて前記環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力部と、
   前記学習測定用データにそれぞれ対応する真値を取得する真値取得部と、
   前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特徴を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成部と、
   前記最適補正特性に基づいて前記実測データを補正する測定データ補正部と、を含む、環境センサの検出データの処理装置。
2. 前記環境センサ装置の動作状態情報を入力する動作状態情報入力部、をさらに含み、
   前記動作状態情報は、前記環境センサ装置が動作する時の内部及び／又は外部の温度、湿度、気圧、照明度、環境センサ装置のＩＤ情報、及び環境センサ装置の地理的位置情報のうち少なくとも１つの情報を含み、
   前記関連付けデータを取得する際に、動作状態情報をさらに追加して関連付けを行う、請求項１に記載の処理装置。
3. 前記検出対象は、ＰＭ値及び／又はガス成分であり、
   前記ガス成分は、二酸化窒素、二酸化硫黄、一酸化炭素、オゾン、二酸化炭素、硫化水素、及びＶＯＣのうち少なくとも１つを含む、請求項１に記載の処理装置。
4. 前記処理装置は、異なる検出対象について複数種類のセンサ装置により取得された測定データに基づいて、ニューロンネットワークのモデルを用いて、異なる検出対象間の相互干渉特性を補正特徴に追加し、且つ／或いは
   前記測定データ入力部により前記環境センサ装置から取得された複数の学習測定用データ及び実測データは前記センサ装置により前記動作状態情報に基づいて事前に補正された学習測定用データ及び実測データであり、或いは前記測定データ入力部が前記環境センサ装置から複数の学習測定用データ及び実測データを取得した後に、データ事前補正部により前記動作状態情報に基づいて前記学習測定用データ及び前記実測データを事前に補正し、前記補正特性生成部に供給する、請求項２に記載の処理装置。
5. 前記真値は、検証された環境センサ装置により取得されたデータ、インターネットに格納された真のデータ、及び高精度の分析装置により検出されたデータのうち少なくとも１つのデータである、請求項１に記載の処理装置。
6. 前記測定データ入力部及び前記真値取得部が対応する測定データを取得する際に、前記動作状態情報入力部は該測定データの時点データをさらに取得し、
   前記関連付けデータを取得する際に、動作状態情報に前記時点データをさらに追加して関連付けを行う、請求項２に記載の処理装置。
7. 前記環境センサ装置の動作状態情報を入力する動作状態情報入力部、をさらに含み、
   前記動作状態情報は、前記環境センサ装置が動作する時の内部及び／又は外部の温度、湿度、気圧、照明度、環境センサ装置のＩＤ情報、及び環境センサ装置の地理的位置情報のうち少なくとも１つの情報を含み、
   前記補正特性生成部が前記複数の補正特徴を取得する前に、前記動作状態情報に基づいて前記環境センサ装置を事前に補正し、具体的には、各前記環境センサ装置について、該環境センサ装置の前記複数の学習測定用データ及び対応する前記動作状態情報と対応する前記真値と関連付け、関連付けて得られたデータに基づいて該環境センサ装置を事前に補正し、
   前記補正特性生成部は、前記複数の補正特徴を取得する際に、得られた事前補正後のデータを前記学習測定用データとする、請求項１に記載の処理装置。
8. ネットワークに接続された複数のセンサ装置と、
   前記ネットワークに接続された請求項１乃至７の何れかに記載の処理装置と、を含み、
   前記処理装置の測定データ入力部は、ネットワークを介して前記複数のセンサの実測データを取得し、前記実測データを補正する、環境センサシステム。
9. 前記センサ装置は、センサ素子の一部又は全部が補正されていないセンサ装置であり、且つ／或いは
   前記センサ装置は、複数種類の検出対象の濃度をそれぞれ測定するセンサと、環境センサ装置の動作状態情報を高精度に取得する動作状態情報取得部群と、を含む、請求項８に記載の環境センサシステム。
10. 環境センサ装置が環境における検出対象の濃度を測定して得られた測定データを処理する環境センサの検出データの処理方法であって、
    学習モードにおいて前記環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力ステップと、
    前記学習測定用データにそれぞれ対応する真値を取得する真値取得ステップと、
    前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特性を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成ステップと、
    前記最適補正特性に基づいて前記実測データを補正する測定データ補正ステップと、を含む、環境センサの検出データの処理方法。
11. コンピュータプログラムが記憶されたコンピュータ読み取り可能な記憶媒体であって、
    環境センサシステムに含まれているプロセッサが前記コンピュータプログラムを実行する際に、前記環境センサシステムに、
    学習モードにおいて環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力ステップと、
    前記学習測定用データにそれぞれ対応する真値を取得する真値取得ステップと、
    前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特性を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成ステップと、
    前記最適補正特性に基づいて前記実測データを補正する測定データ補正ステップと、を実行させる、コンピュータ読み取り可能な記憶媒体。