JP2020012348A - 推定装置、学習モデル、コンピュータプログラム、仮設トイレ、及びサーバ装置 - Google Patents

Abstract

【課題】推定装置、学習モデル、コンピュータプログラム、仮設トイレ、及びサーバ装置の提供。【解決手段】仮設トイレに設けられた貯留槽内の排泄物の量を推定する推定装置であって、貯留槽内の状態を検知する検知センサからの出力データが入力される入力部と、入力部を通じて入力される前記検知センサからの出力データに基づき、貯留槽内の排泄物の量を推定する推定部と、推定部により推定された排泄物の量が設定値以上である場合、排泄物の回収要求を出力する出力部とを備える。【選択図】図２

Description

本発明は、推定装置、学習モデル、コンピュータプログラム、仮設トイレ、及びサーバ装置に関する。

従来、イベント会場、マラソンコース、工事現場、災害避難所などにおいて、トイレが常設されていない場所に、一時的に設置される仮設トイレが知られている（例えば、特許文献１を参照）。

特開２００１−３１７１０６号公報

しかしながら、従来の仮設トイレにおいて、貯留槽に貯留されている排泄物の量を把握することは困難であり、効率良く排泄物を回収することは困難であった。

本発明は、仮設トイレが備える貯留槽内の排泄物の量を推定し、推定した排泄物の量が設定値以上の場合に回収を促すことができる推定装置、学習モデル、コンピュータプログラム、仮設トイレ、及びサーバ装置を提供することを目的とする。

本発明の一態様に係る推定装置は、仮設トイレに設けられた貯留槽内の排泄物の量を推定する推定装置であって、前記貯留槽内の状態を検知する検知センサからの出力データが入力される入力部と、該入力部を通じて入力される前記検知センサからの出力データに基づき、前記貯留槽内の排泄物の量を推定する推定部と、該推定部により推定された排泄物の量が設定値以上である場合、前記排泄物の回収要求を出力する出力部とを備える。

本発明の一態様に係る学習モデルは、仮設トイレが備える貯留槽内の状態を検知する検知センサからの出力データが入力される入力層、前記出力データと前記貯留槽内の排泄物の量を示すラベルデータとを含む教師データに基づき、前記出力データと前記排泄物の量との関係を学習した中間層、及び前記貯留槽内の排泄物の量を示す推定結果を出力する出力層を備え、前記入力層に入力される前記検知センサからの出力データに基づき、前記中間層で演算し、前記排泄物の量を示す推定結果を前記出力層から出力する処理に用いられる。

本発明の一態様に係るコンピュータプログラムは、コンピュータに、仮設トイレの貯留槽内の状態を検知する検知センサからの出力データと、前記貯留槽内の排泄物の量を示すラベルデータとを含む教師データに基づき、前記出力データと前記排泄物の量との関係を学習した学習モデルへ、新たに取得した前記検知センサからの出力データを入力し、前記学習モデルから前記貯留槽内の排泄物の量に係る推定結果を取得する処理を実行させるためのコンピュータプログラムである。

本発明の一態様に係る仮設トイレは、排泄物を貯留する貯留槽を備えた仮設トイレであって、前記貯留槽内の状態を検知する検知センサと、該検知センサからの出力データと、前記貯留槽内の排泄物の量を示すラベルデータとを含む教師データに基づき、前記出力データと前記排泄物の量との関係を学習した学習モデルと、前記検知センサからの出力データを前記学習モデルに入力し、前記貯留槽内の排泄物の量を推定する推定部と、該推定部による推定結果を外部装置へ送信する送信部とを備える。

本発明の一態様に係るサーバ装置は、分散配置された複数の仮設トイレの夫々に設置されており、仮設トイレが備える貯留槽内の状態を検知する検知センサからの出力データに基づいて、前記貯留槽内の排泄物の量を推定する推定装置と通信可能であり、前記排泄物の量が設定値以上である場合に前記推定装置から出力される前記排泄物の回収要求と、前記推定装置が設置されている仮設トイレを特定する情報とを、前記推定装置との通信により取得する取得部と、該取得部にて取得した回収要求を、前記仮設トイレを特定する情報と共に出力する出力部とを備える。

本願によれば、仮設トイレが備える貯留槽内の排泄物の量を推定し、推定した排泄物の量が設定値以上の場合に回収を促すことができる。

実施の形態１に係る推定装置を説明する模式的説明図である。 実施の形態１に係る推定装置の制御系の構成を示すブロック図である。 実施の形態１における学習モデルの構成例を示す模式図である。 実施の形態１に係る推定装置が実行する処理の手順を説明するフローチャートである。 推定装置及びサーバ装置を含むネットワーク構成を示す模式図である。 サーバ装置の制御系の構成を示すブロック図である。 実施の形態２に係る推定装置及びサーバ装置が実行する処理の手順を説明するフローチャートである。 管理テーブルの一例を示す概念図である。 サーバ装置が生成する地図データの一例を示す模式図である。 学習モデルの生成手順を説明するフローチャートである。 サーバ装置にて生成される一覧表の一例を示す模式図である。 実施の形態５に係るサーバ装置が実行する処理の手順を説明するフローチャートである。 実施の形態６に係るサーバ装置が実行する処理の手順を説明するフローチャートである。

以下、本発明をその実施の形態を示す図面に基づいて具体的に説明する。
（実施の形態１）
図１は実施の形態１に係る推定装置１を説明する模式的説明図である。実施の形態１に係る推定装置１は、例えば、イベント会場、マラソンコース、工事現場、災害避難所などに設置される仮設トイレ２に対して設けられる。推定装置１は、仮設トイレ２が備える貯留槽２３内に貯留されている排泄物の量を推定し、推定した排泄物の量が設定値以上である場合、排泄物の回収要求を出力する機能を有する。

仮設トイレ２は、トイレ室を形成する仮設ブース２１と、トイレ室内に設置される便器２２と、便器２２の下方に設けられ、排泄物を貯留する貯留槽２３とを備える。仮設ブース２１の正面には、使用者が出入りするための開閉ドア２４が設けられている。なお、図１に示す便器２２は、洋式トイレの便器を示しているが、和式トイレの便器であってもよく、男性用トイレの便器であってもよい。

貯留槽２３には、槽内の状態を検知するためのセンサユニット１１０が設けられている。センサユニット１１０が備える検知センサの一例は、貯留槽２３の内部空間を上方から撮像する撮像センサ１１１（図２を参照）である。センサユニット１１０は、有線又は無線により推定装置１に接続されており、検知センサからの出力データを推定装置１へ出力する。

推定装置１は、仮設ブース２１の内側又は外側の適宜箇所に設置される。図１では、仮設ブース２１の上面に推定装置１を設置した例を示している。推定装置１は、センサユニット１１０からの出力データに基づき、貯留槽２３内に貯留されている排泄物の量を推定し、推定した排泄物の量が設定値以上である場合、排泄物の回収要求を出力する。

推定装置１には、有線又は無線により表示装置１４０が接続されている。表示装置１４０は、例えば開閉ドア２４の外向きの面に設置される。推定装置１は、排泄物の回収要求を表示装置１４０に表示させることが可能である。また、推定装置１は、排泄物の量に係る推定結果を表示装置１４０に表示させてもよく、貯留槽２３が排泄物で満杯となった場合に、その旨を表示装置１４０に表示させてもよい。また、表示装置１４０に表示させる構成に代えて、音声にて報知する構成であってもよい。

推定装置１は、排泄物の回収要求及び推定結果等の情報を外部へ送信するために、通信部１５（図２を参照）を備える。推定装置１は、仮設トイレ２の状態を管理しているサーバ装置３（図５を参照）を宛先として、通信部１５より情報を送信することができる。また、推定装置１は、仮設トイレ２を管理している管理会社の作業員、排泄物を回収する回収業者の作業員等（以下、作業員等と記載）が利用している端末装置を宛先として、情報を送信することにより、排泄物の回収要求及び推定結果を作業員等に通知してもよい。

また、仮設トイレ２は、推定装置１、センサユニット１１０、及び表示装置１４０を駆動するための電力を供給する電源である太陽電池５を備える。太陽電池５は、例えば、フィルム状の基板に光電変換層を形成した構造を有するフレキシブル太陽電池である。フレキシブル太陽電池の一例は、色素増感太陽電池である。色素増感太陽電池は、低照度の環境であっても高出力が得られ、意匠性に優れるといった特徴を有する。このような太陽電池５は、例えば、仮設ブース２１の上面及び背面に跨がるように折り曲げて配置され得る。

なお、色素増感太陽電池に限らず、ペロブスカイト型、ＣＩＧＳ型（CIGS : Cu-In-Ga-Se型）、アモルファスシリコン型の太陽電池を用いてもよい。また、電源は太陽電池５に限定されず、リチウムイオン電池などの二次電池を単独又は太陽電池５と組み合わせて使用する構成であってもよい。

図２は実施の形態１に係る推定装置１の制御系の構成を示すブロック図である。推定装置１は、汎用又は専用のコンピュータにより構成されており、入力部１１、制御部１２、記憶部１３、出力部１４、通信部１５、及び操作部１６を備える。

入力部１１は、センサユニット１１０を接続する入力インタフェースを備える。入力部１１とセンサユニット１１０との間の接続は有線であってもよく、無線であってもよい。入力部１１には、センサユニット１１０から出力される出力データが入力される。センサユニット１１０は、例えば、貯留槽２３の内部に設けられ、貯留槽２３の内部空間を上方から撮像する撮像センサ１１１を備える。撮像センサ１１１は、複数の画素から構成され、各画素がＲＧＢ各色の階調値によって表されるフレーム単位のデータ（画像データ）を出力する。入力部１１は、撮像センサ１１１から出力される画像データが入力された場合、入力された画像データを制御部１２へ出力する。

センサユニット１１０は、撮像センサ１１１に加え、臭気センサ１１２、重量センサ１１３、測距センサ１１４、赤外線センサ１１５、静電容量センサ１１６等を備えてもよい。臭気センサ１１２は、貯留槽２３内の臭気の量又は成分を検知するためのセンサであり、検知した臭気の量又は成分に関するデータを推定装置１へ出力する。重量センサ１１３は、貯留槽２３の底面に掛かる荷重を検知するためのセンサであり、検知した荷重の値を示すデータを推定装置１へ出力する。測距センサ１１４は、貯留槽２３の上面に取り付けられ、センサから貯留槽２３に貯留されている排泄物までの距離を計測することによって、貯留槽２３に貯留されている排泄物の高さを計測する超音波センサなどのセンサである。測距センサ１１４は、計測した測距データを推定装置１へ出力する。赤外線センサ１１５は、赤外線を用いて貯留槽２３の内部空間を上方から撮像する撮像センサの一種であり、得られた画像データを推定装置１へ出力する。静電容量センサ１１６は、貯留槽２３の内面に複数設置され、排泄物との接触状態を検知するためのセンサである。静電容量センサ１１６は、検知結果を示すデータを推定装置１へ出力する。

本実施の形態では、センサユニット１１０が各種センサ１１１〜１１６を備える構成としたが、これら全てのセンサを備えている必要はなく、選択した何れか１つのセンサ若しくは複数のセンサを備える構成であればよい。また、センサユニット１１０が備えるセンサは、上記のセンサに限定されるものではなく、貯留槽２３の内部状態を検知できるのであれば、温度センサ、湿度センサ等の任意のセンサを単独で使用してもよく、上述のセンサ１１１〜１１６と組み合わせて使用してもよい。

以下では、説明を簡略化するために、撮像センサ１１１から出力される画像データに基づき、貯留槽２３内の排泄物の量を推定する構成について説明するが、他のセンサ１１２〜１１６から選択した１つの出力データ、又はセンサ１１１〜１１６から選択した複数の出力データの組み合わせを用いて、貯留槽２３内の排泄物の量を推定する構成であってもよい。

制御部１２は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などを備える。制御部１２が備えるＲＯＭには、推定装置１が備えるハードウェア各部の動作を制御するためのコンピュータプログラム等が記憶される。制御部１２内のＣＰＵは、ＲＯＭ又は記憶部１３に記憶されたコンピュータプログラムを実行し、ハードウェア各部の動作を制御することによって、貯留槽２３内の排泄物の量を推定する処理を実現する。制御部１２が備えるＲＡＭには、演算の実行中に利用されるデータが一時的に記憶される。

制御部１２は、ＣＰＵ、ＲＯＭおよびＲＡＭを備える構成としたが、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（Digital Signal Processor）、量子プロセッサ、揮発性または不揮発性のメモリ等を備える１又は複数の演算回路であってもよい。また、制御部１２は、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能を備えていてもよい。

記憶部１３は、ＥＥＰＲＯＭ（Electronically Erasable Programmable Read Only Memory）、ＳＲＡＭ（Static Random Access Memory）などのメモリを備える。記憶部１３には、制御部１２によって実行されるコンピュータプログラム、及び学習モデル１３０が記憶される。

記憶部１３に記憶されるコンピュータプログラムは、撮像センサ１１１が出力するデータを取得し、学習モデル１３０を用いて、貯留槽２３内の排泄物の量を推定する処理を推定装置１に実行させるための推定処理プログラムを含む。この推定処理プログラムを制御部１２が実行することによって、推定装置１を本願の推定装置として機能させる。

記憶部１３に記憶されるコンピュータプログラムは、このコンピュータプログラムを読み取り可能に記録した非一時的な記録媒体Ｍ１により提供されてもよい。記録媒体Ｍ１は、例えば、ＣＤ−ＲＯＭ、ＵＳＢメモリ、ＳＤ（Secure Digital）カード、マイクロＳＤカード、コンパクトフラッシュ（登録商標）などの可搬型メモリである。制御部１２は、不図示の読取装置を用いて記録媒体Ｍ１から各種プログラムを読み取り、読み取った各種プログラムを記憶部１３にインストールする。

記憶部１３に記憶される学習モデル１３０は、センサユニット１１０からの出力データに基づき、貯留槽２３内の排泄物の量を推定する処理に用いられる学習モデルである。学習モデル１３０は、その定義情報によって記述される。学習モデル１３０の定義情報は、学習モデル１３０の構造情報、学習モデル１３０で用いられるノード間の重み及びバイアスなどの各種パラメータ等を含む。本実施形態では、センサユニット１１０が出力する出力データと、貯留槽２３内の排泄物の量を示すラベルデータとを教師データとして、所定の学習アルゴリズムによって予め学習された学習モデル１３０が記憶部１３に記憶される。

制御部１２は、記憶部１３に記憶されている推定処理プログラムを実行し、入力部１１を通じて入力される撮像センサ１１１からの出力データ（本実施の形態では、画像データ）を学習モデル１３０に与えることによって、学習モデル１３０から排泄物の量に関する推定結果を取得する。

出力部１４は、学習モデル１３０による推定結果を出力する出力インタフェースを備える。出力部１４には液晶パネル又は有機ＥＬ（Electro-Luminescence）パネル等を備えた表示装置１４０が接続される。推定結果の出力形式は任意であり、学習モデル１３０による推定結果をそのまま出力部１４から出力してもよく、推定結果を基に制御部１２によって生成されたデータを出力部１４から出力してもよい。例えば、出力部１４は、排泄物の量を数値情報として表示させるための表示データを表示装置１４０へ出力することができる。ここで、排泄物の量を表す数値情報は、貯留槽２３の容量に対して排泄物が占める割合であってもよく、重量又は体積に換算した値であってもよい。また、出力部１４は、排泄物の量を文字情報として表示させるための表示データを表示装置１４０へ出力してもよい。排泄物の量を表す文字情報は、貯留槽２３における排泄物の収用状態を表す語句（例えば、「満杯」、「余裕あり」などの語句）であってもよく、貯留槽２３内の排泄物の多寡を表す語句（例えば、「多い」、「少ない」などの語句）であってもよい。更に、出力部１４は、推定した排泄物の量が予め設定した設定値を超える場合にのみ、排泄物の回収を要求する旨の警告情報を出力する構成としてもよい。更に、出力部１４は、排泄物の量をアイコンなどの図柄によって表示させるための表示データを表示装置１４０へ出力してもよい。

本実施の形態では、推定装置１の出力部１４に表示装置１４０を接続する構成としたが、推定装置１と表示装置１４０とが一体の構成であってもよい。また、出力部１４に表示装置１４０を接続する構成に代えて、ＬＥＤ（Light Emitting Diode）により構成されるレベルメータを接続する構成としてもよい。出力部１４にレベルメータが接続されている場合、出力部１４は、貯留槽２３の容量に対して排泄物が占める割合をＮ段階（Ｎ≧２）でレベルメータに表示させるための表示データを出力してもよい。

通信部１５は、各種データを送受信する通信インタフェースを備える。通信部１５が備える通信インタフェースは、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標） 、ＷｉＦｉ（登録商標）、ＺｉｇＢｅｅ（登録商標）、その他の無線ＬＡＮ（Local Area Network）、並びに、３Ｇ、４Ｇ、５Ｇ、ＬＴＥ（Long Term Evolution）等の通信規格に準じた無線通信インタフェースである。また、通信部１５は、ＲＳ−２３２Ｃ、ＵＳＢ（Universal Serial Bus）等の有線の通信インタフェースを備えていてもよい。通信部１５から外部へ送信するデータは、学習モデル１３０による推定結果、回収要求等を含む。通信部１５は、学習モデル１３０による推定結果、回収要求等をサーバ装置３又は作業員等の携帯端末へ送信することによって、仮設トイレ２の使用状況を作業員等に通知することができる。

操作部１６は、各種操作ボタン、スイッチ、タッチパネル等の入力インタフェースを備えており、各種の操作情報及び設定情報を受付ける。制御部１２は、操作部１６から入力される操作情報に基づき適宜の制御を行い、必要に応じて設定情報を記憶部１３に記憶させる。

図３は実施の形態１における学習モデル１３０の構成例を示す模式図である。学習モデル１３０は、深層学習を含む機械学習の学習モデルであり、例えばニューラルネットワークにより構成されている。学習モデル１３０は、入力層１３０Ａ、中間層１３０Ｂ、及び出力層１３０Ｃを備える。なお、図３の例では、中間層１３０Ｂを２つ記載しているが、中間層１３０Ｂの数は２つに限定されず、３つ以上であってもよい。

入力層１３０Ａ、中間層１３０Ｂ、及び出力層１３０Ｃには、１つ又は複数のノードが存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重み及びバイアスで結合されている。入力層１３０Ａのノードの数と同数の成分を有するベクトルが、学習モデル１３０の入力データとして与えられる。例えば、撮像センサ１１１から出力される画像データを入力とする場合、画像データを構成する各画素の画素値が入力層１３０Ａのノードに与えられる。また、入力層１３０Ａにデータを与える前に、畳み込みフィルタを含む適宜のフィルタを画像データに適用し、フィルタを適した後に得られる各画素の画素値を入力層１３０Ａに与えてもよい。

入力層１３０Ａの各ノードに与えられたデータは、最初の中間層１３０Ｂに与えられる。その中間層１３０Ｂにおいて重み及びバイアスを含む活性化関数を用いて出力が算出され、算出された値が次の中間層１３０Ｂに与えられ、以下同様にして出力層１３０Ｃの出力が求められるまで次々と後の層に伝達される。なお、ノード間を結合する重み、バイアス等の各種パラメータは、所定の学習アルゴリズムによって学習される。各種パラメータを学習する学習アルゴリズムには、例えば深層学習の学習アルゴリズムが用いられる。入力データとして、撮像センサ１１１から出力される画像データを用いる場合、撮像センサ１１１からの画像データと、排泄物の量を示すラベルデータとを含む教師データを用いて学習が行われる。

出力層１３０Ｃは、貯留槽２３内の排泄物の量を示す推定結果を出力する。出力層１３０Ｃによる推定結果の出力形態は任意である。例えば、出力層１３０Ｃを第０ノードから第１０ノードまでの１１個のノードで構成し、貯留槽２３の容量に対して排泄物の占める割合が０％である確率を第０ノードから出力し、同様に１０％である確率、２０％である確率、…、１００％である確率を、それぞれ第１ノード、第２ノード、…、第１０ノードから出力する。出力層１３０Ｃを構成するノードの数、及び各ノードから出力する内容は、上記に限定されるものではなく、適宜設計することが可能である。

図４は実施の形態１に係る推定装置１が実行する処理の手順を説明するフローチャートである。推定装置１の制御部１２は、記憶部１３に記憶されている推定処理プログラムを実行することにより、以下の推定処理を実行する。推定処理の実行タイミングは、例えば定期的なタイミングであってもよく、センサユニット１１０が備える各種センサによって排泄物の増加が検知されたタイミングであってもよい。

制御部１２は、まず、撮像センサ１１１から出力される画像データを、入力部１１を通じて取得する（ステップＳ１０１）。

次いで、制御部１２は、取得した画像データを学習モデル１３０の入力層１３０Ａに与えることによって、画像データから排泄物の量を推定する推定処理を実行する（ステップＳ１０２）。入力層１３０Ａの各ノードには、例えば画像データを構成する各画素の画素値のデータが与えられる。入力層１３０Ａの各ノードに与えられたデータは、隣接する中間層１３０Ｂのノードへ出力される。中間層１３０Ｂではノード間の重み及びバイアスを含む活性化関数を用いた演算が行われ、中間層１３０Ｂによる演算結果は出力層１３０Ｃの各ノードへ出力される。このようにして、学習モデル１３０では、排泄物の量に関する推定結果が得られる。

次いで、制御部１２は、学習モデル１３０の出力層１３０Ｃから推定結果を取得し（ステップＳ１０３）、推定結果を表示させるための表示データを出力部１４から表示装置１４０へ出力する（ステップＳ１０４）。制御部１２は、排泄物の量を示す数値、文字、図柄等を含んだ表示データを表示装置１４０へ出力することによって、数値、文字、図柄等の表示態様にて推定結果を表示装置１４０に表示させることができる。

また、制御部１２は、学習モデル１３０によって推定された排泄物の量と、予め設定されている設定値（例えば、貯留槽２３の容量に対して７０％）との大小関係を判断し、推定された排泄物の量が設定値以上であるか否かを判断する（ステップＳ１０５）。本実施の形態では、学習モデル１３０によって推定された排泄物の量と、予め設定されている設定値とを比較する構成としたが、操作部１６を通じて設定値の変更を受け付けてもよい。操作部１６を通じて変更された設定値は、記憶部１３に記憶される。設定値が変更された場合、制御部１２は、学習モデル１３０によって推定された排泄物の量と、変更後の設定値とを比較し、推定された排泄物の量が設定値以上であるか否かを判断する。推定された排泄物の量が設定値未満であると判断した場合（Ｓ１０５：ＮＯ）、制御部１２は、本フローチャートによる処理を終了する。

推定された排泄物の量が設定値以上であると判断した場合（Ｓ１０５：ＹＥＳ）、制御部１２は、サーバ装置３又は作業員等の携帯端末を宛先として、警告情報を通信部１５から送信する（ステップＳ１０６）。警告情報には、例えば、排泄物の量が貯留槽２３の容量に近くなっている旨の情報、排泄物の回収を要求する旨の情報等が含まれる。本実施の形態では、推定された排泄物の量が設定値以上である場合に、警告情報を通信部１５から送信する構成としたが、推定された排泄物の多少に依らず、推定された排泄物の量を通知するための情報を通信部１５から送信してもよい。

以上のように、本実施の形態では、深層学習を含む機械学習の学習モデル１３０によって貯留槽２３に収容されている排泄物の量を推定できるので、正確に排泄物の量を推定できる。また、排泄物の量に係る推定結果、及び排泄物の量が設定値以上である場合の警告情報を表示装置１４０に表示させたり、外部のサーバ装置３へ送信したりすることによって、必要に応じて排泄物の回収を作業員に促すことができる。

なお、本実施の形態では、撮像センサ１１１からの画像データを学習モデル１３０に入力し、排泄物の量に係る推定結果を取得する構成としたが、撮像センサ１１１からの画像データ及びそのラベルデータに基づき学習した学習モデル１３０とは別に、例えば臭気センサ１１２などの別のセンサからの出力データとそのラベルデータとに基づいて学習した他の学習モデルを用意してもよい。この場合、制御部１２は、学習モデル１３０からの推定結果と、他の学習モデルからの推定結果とを組み合わせ、例えば推定結果の加重平均を求めることによって、最終的な推定結果を導出してもよい。

また、撮像センサ１１１に異物が付着した場合、推定精度が劣化する虞があるため、制御部１２は、撮像センサ１１１からの出力データに基づき、撮像センサ１１１に異物が付着しているか否かを判断し、異物が付着していると判断した場合、学習モデル１３０による推定から、他のセンサを用いた、学習モデル１３０に依らない推定に切り替える構成としてもよい。

また、本実施の形態では、学習モデル１３０を用いて排泄物の量を推定する構成としたが、学習モデル１３０を用いずに排泄物の量を推定する構成としてもよい。例えば、センサユニット１１０の出力データと、推定結果とを関連付けるテーブル又は関数を用意しておき、このテーブル又は関数を参照することによって、推定結果を取得する構成としてもよい。

（実施の形態２）
実施の形態２では、仮設トイレ２の使用状況をサーバ装置３にて管理する構成について説明する。

図５は推定装置１及びサーバ装置３を含むネットワーク構成を示す模式図である。推定装置１は、仮設トイレ２，２，…，２のそれぞれに搭載され、通信ネットワークＮを介してサーバ装置３に接続される。通信ネットワークＮは、例えば、３Ｇ、４Ｇ、５Ｇ、ＬＴＥ等の通信規格に準拠したデータ通信網である。推定装置１は、通信ネットワークＮを介して、サーバ装置３と直接的に各種情報の送受信を行う。また、複数の推定装置１，１，…，１によって狭域無線網を形成し、狭域無線網内に設置される中継装置（不図示）を通じて通信ネットワークＮに接続する構成としてもよい。この場合、推定装置１は、中継装置を介してサーバ装置３と各種情報の送受信を行う。

図６はサーバ装置３の制御系の構成を示すブロック図である。サーバ装置３は、制御部３１、記憶部３２、入力部３３、通信部３４、操作部３５、及び表示部３６を備える。

制御部３１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭなどを備える。制御部３１が備えるＲＯＭには、サーバ装置３が備えるハードウェア各部の動作を制御するための制御プログラム等が記憶される。制御部３１内のＣＰＵは、ＲＯＭに記憶された制御プログラム、および、記憶部３２に記憶された各種プログラムを実行し、ハードウェア各部の動作を制御する。

制御部３１は上述の構成に限定されない。制御部３１は、ＣＰＵ、ＲＯＭ及びＲＡＭを備えた構成に限定されない。制御部３１は、例えば、ＧＰＵ、ＦＰＧＡ、ＤＳＰ、揮発性または不揮発性のメモリ等を含む１又は複数の制御回路または演算回路であってもよい。また、制御部３１は、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能を備えていてもよい。

記憶部３２は、ハードディスクドライブなどの記憶装置を備える。記憶部３２には、制御部３１によって実行される各種コンピュータプログラム、当該コンピュータプログラムによって生成される各種データ、外部から取得したデータ等が記憶される。記憶部３２は、推定装置１から取得した推定結果と、この推定装置１が搭載されている仮設トイレ２の識別ＩＤとを関連付けて記憶する管理テーブル３２０を備える。

入力部３３は、各種データ又はプログラムを記録した記録媒体から、データ及びプログラムを取得するための入力インタフェースを備える。入力部３３を通じて入力された各種データ及びプログラムは、記憶部３２に記憶される。

通信部３４は、通信ネットワークＮに接続する通信インタフェースを備える。通信部３４は、推定装置１へ通知すべき情報を、通信ネットワークＮを介して推定装置１へ送信する。また、通信部３４は、サーバ装置３を宛先として推定装置１から送信される情報を、通信ネットワークＮを介して受信する。

操作部３５は、キーボードやマウスなどの入力インタフェースを備えており、各種の操作情報や設定情報を受付ける。制御部３１は、操作部３５から入力される操作情報に基づき適宜の制御を行い、必要に応じて設定情報を記憶部３２に記憶させる。

表示部３６は、液晶表示パネル、有機ＥＬ表示パネル等の表示デバイスを備えており、制御部３１から出力される制御信号に基づいて、サーバ装置３の管理者等に通知すべき情報を表示する。

なお、本実施の形態では、サーバ装置３が操作部３５及び表示部３６を備える構成としたが、操作部３５及び表示部３６は必須ではなく、外部に接続されたコンピュータを通じて操作を受付け、通知すべき情報を外部のコンピュータへ出力する構成であってもよい。

図７は実施の形態２に係る推定装置１及びサーバ装置３が実行する処理の手順を説明するフローチャートである。推定装置１の制御部１２は、撮像センサ１１１からの画像データを取得し、取得した画像データを学習モデル１３０に与えることによって、排泄物の量に係る推定結果を取得する（ステップＳ２０１）。推定結果を取得した場合、制御部１２は、通信部１５からサーバ装置３へ推定結果を送信する（ステップＳ２０２）。このとき、推定装置１は、仮設トイレ２を識別するための識別ＩＤ、仮設トイレ２が設置されている場所の位置情報等を推定結果と共に送信してもよい。特に、仮設トイレ２がイベント会場等において一時的に設置されるものである場合、仮設トイレ２の識別ＩＤ及び位置情報を併せて送信することが好ましい。このため、推定装置１は、自身の位置を測位するためのＧＰＳ（Global Positioning System）受信機を備えていてもよい。

サーバ装置３の制御部３１は、推定装置１から送信される推定結果を通信部３４にて受信した場合（ステップＳ２０３）、受信した推定結果を送信元の推定装置１が設置されている仮設トイレ２の識別ＩＤに関連付けて、管理テーブル３２０に記憶させる（ステップＳ２０４）。

図８は管理テーブル３２０の一例を示す概念図である。管理テーブル３２０は、仮設トイレ２毎のレコードによって構成される。図８に示す例は、識別ＩＤ（仮設トイレＩＤ）が「００１」及び「００２」の仮設トイレ２における推定結果を時系列的に記録したレコードの一部を示している。各レコードは、推定結果の受信日時、推定結果、フラグ、回収回数、設置場所の情報（緯度及び経度の情報）を含む。ここで、回収要求フラグは、回収要求を行うか否かを示すフラグであり、「０」は回収要求が不要であること、「１」は回収要求が必要であることを示している。制御部３１は、推定結果として与えられる排泄物の量が設定値（例えば７０％）を超える場合、回収要求フラグを「０」から「１」に切り替える。また、制御部３１は、仮設トイレ２の内部の排泄物が回収されたことを示す情報が入力された場合、回収フラグを「１」から「０」に切り替え、回収回数を１だけ増加させる。なお、排泄物が回収されたことを示す情報は、作業員等が携帯する携帯端末から送信される情報であってもよい。

また、サーバ装置３は、イベントを特定するイベントＩＤと、このイベントにおいて設置された仮設トイレ２の識別ＩＤとを関連付けて記憶するレコードを有していてもよい。このようなレコードは、管理テーブル３２０内に記述されていてもよく、管理テーブル３２０とは別のテーブル内に記述されていてもよい。

サーバ装置３の制御部３１は、管理テーブル３２０の各レコードを参照して、回収タイミングであるか否かを判断する（ステップＳ２０５）。例えば、管理テーブル３２０に登録される仮設トイレ２のうち、推定結果として与えられる排泄物の量が設定値（例えば７０％）を超えるものが存在する場合、制御部３１は、回収タイミングであると判断してもよい。また、制御部３１は、排泄物の量が設定値を超える仮設トイレ２の数が設定数（例えば１０個）を超える場合に回収タイミングであると判断し、設定数以下の場合には回収タイミングでないと判断してもよい。更に、推定装置１から送信される回収要求を受信した場合、制御部３１は、管理テーブル３２０での記録内容に依らずに、回収タイミングであると判断してもよい。回収タイミングでないと判断した場合（Ｓ２０５：ＮＯ）、制御部３１は、本フローチャートによる処理を終了する。

一方、回収タイミングと判断した場合（Ｓ２０５：ＹＥＳ）、制御部３１は、回収要求を送信する（ステップＳ２０６）。このとき、制御部３１は、排泄物を回収する回収業者の端末、又は回収業者の作業員が携帯する携帯端末宛に、回収要求を送信すればよい。また、制御部３１は、仮設トイレ２について推定した排泄物の量の情報を地図上に重畳した地図データを生成し、生成した地図データを回収業者の端末、又は回収業者の作業員が携帯する携帯端末へ送信してもよい。更に、排泄物を回収すべき仮設トイレ２が地図上に複数存在する場合、制御部３１は、効率良く排泄物を回収できる経路を設定し、経路情報を併せて送信してもよい。地図上の複数の地点を通る適宜の経路は既存の手法を用いて設定することができる。例えば、グーグルマップのＡＰＩ（Application Programming Interface）を利用し、出発地、目的地、及び回収すべき仮設トイレ２が存在する１又は複数の経由地を入力することにより、適宜の経路を設定することができる。

図９はサーバ装置３が生成する地図データの一例を示す模式図である。図９に示した例では、地図上に６つの仮設トイレ２の位置及び各仮設トイレ２における排泄物の量をアイコン及び数値により示している。また、効率良く排泄物を回収できる経路として、「Ｄ」により示される仮設トイレ２、「Ｂ」により示される仮設トイレ２、「Ｃ」により示される仮設トイレ２の順に排泄物を回収する経路情報を示している。また、サーバ装置３は、通信部３４又は操作部３５を通じて、イベントを特定するイベントＩＤの指定を受付け、このイベントＩＤにより特定されるイベントにおいて設置されている仮設トイレ２のみを含む地図データを生成してもよい。

以上のように、実施の形態２では、各仮設トイレ２における排泄物の量をサーバ装置３にて管理することができるので、回収業者への回収指示を的確に与えることができる。

（実施の形態３）
実施の形態３では、推定装置１にて用いられる学習モデル１３０をサーバ装置３にて生成する構成について説明する。

図１０は学習モデル１３０の生成手順を説明するフローチャートである。サーバ装置３の制御部３１は、入力部３３又は通信部３４を通じて、学習モデル１３０を生成するための教師データを取得する（ステップＳ３０１）。教師データは、例えば、仮設トイレ２の内部を撮像する撮像センサ１１１からの画像データと、撮像した際に仮設トイレ２の内部に収容されていた排泄物の量を示すラベルデータとを含む。このような教師データをサーバ装置３の管理者等によって予め用意しておき、入力部３３を通じて取得する構成であってもよい。また、仮設トイレ２に搭載されている推定装置１と通信を行い、画像データ及び排泄物の量を示すラベルデータを通信部３４を通じて取得する構成であってもよい。なお、ラベルデータは、管理者等によって手入力される構成であってもよく、臭気センサ１１２、重量センサ１１３、測距センサ１１４、赤外線センサ１１５、及び静電容量センサ１１６等の各種センサの出力に基づき、自動的に設定されるものであってもよい。

次いで、制御部３１は、教師データとして含まれる画像データを学習モデル１３０へ入力し（ステップＳ３０２）、学習モデル１３０から推定結果を取得する（ステップＳ３０３）。学習が開始される前の段階では、学習モデル１３０を記述する定義情報には、初期設定値が与えられているものとする。学習モデル１３０の入力層１３０Ａを構成する各ノードには、例えば各画素の画素値のデータが与えられる。入力層１３０Ａの各ノードに与えられたデータは、隣接する中間層１３０Ｂのノードへ出力される。中間層１３０Ｂではノード間の重み及びバイアスを含む活性化関数を用いた演算が行われ、中間層１３０Ｂによる演算結果（排泄物の量の推定結果）が出力層１３０Ｃの各ノードへ出力される。このようにして、学習モデル１３０では、排泄物の量に関する推定結果が得られる。

次いで、制御部３１は、ステップＳ３０３で得られた推定結果を評価し（ステップＳ３０４）、学習モデル１３０の学習が完了したか否かを判断する（ステップＳ３０５）。具体的には、制御部３１は、ステップＳ３０３で得られる推定結果と、教師データとに基づく誤差関数（目的関数、損失関数、コスト関数ともいう）を用いて、推定結果を評価することができる。制御部３１は、最急降下法などの勾配降下法により誤差関数を最適化（最小化又は最大化）する課程で、誤差関数が閾値以下（又は閾値以上）となった場合、学習モデル１３０の学習が完了したと判断する。なお、過学習の問題を避けるために、交差検定、早期打ち切りなどの手法を取り入れ、適切なタイミングにて学習を終了させてもよい。

学習が完了していないと判断した場合（Ｓ３０５：ＮＯ）、制御部３１は、中間層１３０Ｂで用いられるノード間の重み及びバイアスを更新し（ステップＳ３０６）、処理をステップＳ３０１へ戻す。制御部３１は、出力層１３０Ｃから入力層１３０Ａに向かって、ノード間の重み及びバイアスを順次更新する誤差逆伝搬法を用いて、各ノード間の重み及びバイアスを更新することができる。

学習が完了したと判断した場合（Ｓ３０５：ＹＥＳ）、制御部３１は、学習済みの学習モデル１３０として記憶部３２に記憶させ（ステップＳ３０７）、本フローチャートによる処理を終了する。

また、サーバ装置３は、学習完了後の適宜のタイミングで、センサユニット１１０からの出力データとラベルデータとを含む教師データとを再取得し、再取得した教師データに基づき、学習モデル１３０を再学習させる構成としてもよい。例えば、作業員が排泄物を回収する際に、仮設トイレ２の貯留槽２３に実際に収容されている排泄物の量が、推定装置１による推定結果と異なる場合、作業員により正しく設定されたラベルデータを含む教師データをサーバ装置３へ送信し、この教師データに基づき、学習モデル１３０を再学習させてもよい。再学習の手順は、学習モデル１３０の生成手順と全く同様であり、教師データに含まれる出力データを学習モデル１３０へ入力し、学習モデル１３０の出力として得られる推定結果と教師データに含まれるラベルデータとの間の誤差を評価することによって、再学習が実行される。

サーバ装置３によって生成（再学習）された学習モデル１３０は、通信ネットワークＮを介して各仮設トイレ２の推定装置１へ配信され、記憶部１３に記憶される。また、推定装置１が記憶済みの学習モデル１３０を有している場合、新たに配信された学習モデル１３０に更新してもよい。

（実施の形態４）
実施の形態４では、各仮設トイレ２に対する推定結果を一覧で表示する構成について説明する。

サーバ装置３の制御部３１は、通信部３４又は操作部３５を通じて、各仮設トイレ２に対する推定結果を一覧で表示する一覧表示要求を受付けた場合、一覧表を生成する。図１１はサーバ装置３にて生成される一覧表の一例を示す模式図である。図１１に示す一覧表には、例えば、同じイベント会場に設置される仮設トイレ２の仮設トイレＩＤ、推定装置１による推定結果、各仮設トイレ２における回収回数、及び仮設トイレ２の設置場所の情報が含まれている。なお、推定結果は、現在時刻に最も近い時刻の推定結果であってもよく、管理者等により指定された時刻に最も近い時刻の推定結果であってもよい。制御部３１は、生成した一覧表を表示部３６に表示させる。また、制御部３１は、生成した一覧表を通信部３４を通じて作業員等の携帯端末へ送信してもよい。

以上のように、本実施の形態では、仮設トイレ２の使用状況を一覧で出力することができるので、作業員等は、各仮設トイレ２における使用頻度、混雑度合い等を把握することができる。

（実施の形態５）
実施の形態５では、仮設トイレ２の増設場所に係る情報を出力する構成について説明する。

図１２は実施の形態５に係るサーバ装置３が実行する処理の手順を説明するフローチャートである。サーバ装置３の制御部３１は、増設場所に係る情報の取得要求を通信部３４又は操作部３５にて受付けたか否かを判断する（ステップＳ５０１）。取得要求を受け付けていない場合（Ｓ５０１：ＮＯ）、制御部３１は、本フローチャートによる処理を終了する。

取得要求を受付けた場合（Ｓ５０１：ＹＥＳ）、制御部３１は、管理テーブル３２０に記録されている情報に基づき、増設の推奨場所を特定する（ステップＳ５０２）。例えば、制御部３１は、管理テーブル３２０を参照して、回収回数が多い仮設トイレ２、または、排泄物の量が０％から設定値（例えば７０％）に達するまでの経過時間が短い仮設トイレ２を１又は複数選択し、選択した仮設トイレ２を中心として所定距離範囲内のエリアを増設の推奨場所として特定することができる。

制御部３１は、特定した推奨場所の情報を出力する（ステップＳ５０３）。このとき、制御部３１は、推奨場所の情報を表示部３６に表示させる。また、制御部３１は、推奨場所の情報を通信部３４を通じて作業員等の携帯端末へ送信してもよい。

以上のように、本実施の形態では、履歴を参照して、仮設トイレ２を増設するのに相応しい推奨場所を特定することができるので、例えば、過去に実施したイベントと同一のイベント会場で別のイベントを実施する場合、仮設トイレ２の増設箇所を的確に決定することができる。

（実施の形態６）
実施の形態６では、仮設トイレ２の混雑度合いに係る情報を出力する構成について説明する。

図１３は実施の形態６に係るサーバ装置３が実行する処理の手順を説明するフローチャートである。サーバ装置３の制御部３１は、混雑度合いに係る情報の取得要求を通信部３４又は操作部３５にて受付けたか否かを判断する（ステップＳ６０１）。取得要求を受け付けていない場合（Ｓ６０１：ＮＯ）、制御部３１は、本フローチャートによる処理を終了する。

取得要求を受付けた場合（Ｓ６０１：ＹＥＳ）、制御部３１は、管理テーブル３２０に記録されている情報に基づき、混雑度が高いエリアを特定する（ステップＳ６０２）。例えば、制御部３１は、管理テーブル３２０を参照して、回収回数が多い仮設トイレ２、または、排泄物の量が０％から設定値（例えば７０％）に達するまでの経過時間が短い仮設トイレ２を１又は複数選択し、選択した仮設トイレ２を中心として所定距離範囲内のエリアを混雑度が高いエリアとして特定することができる。

制御部３１は、特定した混雑度が高いエリアの情報を出力する（ステップＳ６０３）。このとき、制御部３１は、混雑度が高いエリアの情報を表示部３６に表示させる。また、制御部３１は、混雑度が高いエリアの情報を通信部３４を通じて、仮設トイレ２を使用する使用者等の携帯端末へ送信してもよい。

以上のように、本実施の形態では、履歴を参照して、混雑度合いが高いエリアを特定することができるので、例えば、過去に実施したイベントと同一のイベント会場で別のイベントを実施する場合、混雑度が高いエリアの情報を使用者等の携帯端末へ送信することによって、混雑の緩和を図ることができる。

今回開示された実施形態は、全ての点において例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上述した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。

１ 推定装置
１１ 入力部
１２ 制御部
１３ 記憶部
１４ 出力部
１５ 通信部
１６ 操作部
１３０ 学習モデル

Claims (17)

1. 仮設トイレに設けられた貯留槽内の排泄物の量を推定する推定装置であって、
   前記貯留槽内の状態を検知する検知センサからの出力データが入力される入力部と、
   該入力部を通じて入力される前記検知センサからの出力データに基づき、前記貯留槽内の排泄物の量を推定する推定部と、
   該推定部により推定された排泄物の量が設定値以上である場合、前記排泄物の回収要求を出力する出力部と
   を備える推定装置。
2. 前記検知センサは、前記貯留槽内を撮像する撮像センサであり、
   前記出力データは、前記撮像センサが出力する画像データを含む
   請求項１に記載の推定装置。
3. 前記検知センサは、前記貯留槽内の臭気を検知する臭気センサであり、
   前記出力データは、前記臭気センサが出力する臭気の量又は成分に係るデータを含む
   請求項１又は請求項２に記載の推定装置。
4. 前記検知センサからの出力データと、前記貯留槽内の排泄物の量を示すラベルデータとを含む教師データを用いて、前記出力データと前記貯留槽内の排泄物の量との関係を学習した学習モデル
   を備え、
   前記推定部は、前記出力データを前記学習モデルへ入力して前記貯留槽内の排泄物の量を推定する
   請求項１から請求項３の何れか１つに記載の推定装置。
5. 前記設定値の変更を受付ける受付部
   を備え、
   前記受付部にて前記設定値の変更を受付けた場合、前記出力部は、前記推定部により推定された排泄物の量が変更後の設定値以上である場合に、前記排泄物の回収要求を出力する
   請求項１から請求項４の何れか１つに記載の推定装置。
6. 前記推定部により推定した排泄物の量が満杯である場合、満杯である旨を報知する報知部
   を備える請求項１から請求項５の何れか１つに記載の推定装置。
7. 太陽電池を備え、
   該太陽電池から供給される電力によって作動するように構成してある請求項１から請求項６の何れか１つに記載の推定装置。
8. 仮設トイレが備える貯留槽内の状態を検知する検知センサからの出力データが入力される入力層、
   前記出力データと前記貯留槽内の排泄物の量を示すラベルデータとを含む教師データに基づき、前記出力データと前記排泄物の量との関係を学習した中間層、及び
   前記貯留槽内の排泄物の量を示す推定結果を出力する出力層
   を備え、
   前記入力層に入力される前記検知センサからの出力データに基づき、前記中間層で演算し、前記排泄物の量を示す推定結果を前記出力層から出力する処理に用いられる学習モデル。
9. コンピュータに、
   仮設トイレの貯留槽内の状態を検知する検知センサからの出力データと、前記貯留槽内の排泄物の量を示すラベルデータとを含む教師データに基づき、前記出力データと前記排泄物の量との関係を学習した学習モデルへ、新たに取得した前記検知センサからの出力データを入力し、
   前記学習モデルから前記貯留槽内の排泄物の量に係る推定結果を取得する
   処理を実行させるためのコンピュータプログラム。
10. 排泄物を貯留する貯留槽を備えた仮設トイレであって、
    前記貯留槽内の状態を検知する検知センサと、
    該検知センサからの出力データと、前記貯留槽内の排泄物の量を示すラベルデータとを含む教師データに基づき、前記出力データと前記排泄物の量との関係を学習した学習モデルと、
    前記検知センサからの出力データを前記学習モデルに入力し、前記貯留槽内の排泄物の量を推定する推定部と、
    該推定部による推定結果を外部装置へ送信する送信部と
    を備える仮設トイレ。
11. 分散配置された複数の仮設トイレの夫々に設置されており、仮設トイレが備える貯留槽内の状態を検知する検知センサからの出力データに基づいて、前記貯留槽内の排泄物の量を推定する推定装置と通信可能であり、
    前記排泄物の量が設定値以上である場合に前記推定装置から出力される前記排泄物の回収要求と、前記推定装置が設置されている仮設トイレを特定する情報とを、前記推定装置との通信により取得する取得部と、
    該取得部にて取得した回収要求を、前記仮設トイレを特定する情報と共に出力する出力部と
    を備えるサーバ装置。
12. 前記取得部は、各仮設トイレが備える貯留槽内の排泄物の量に係る推定結果を、前記推定装置との通信により取得し、
    前記出力部は、仮設トイレ毎の推定結果を一覧にて出力する
    請求項１１に記載のサーバ装置。
13. 前記複数の仮設トイレは、イベントに応じて所定エリア内に分散して配置されており、
    前記仮設トイレが配置されている場所の位置情報に基づき、各仮設トイレにおける排泄物の量に係る推定結果を前記所定エリアの地図上に重畳した地図データを生成する地図データ生成部
    を備える請求項１２に記載のサーバ装置。
14. イベント毎に、各仮設トイレにおける排泄物の量に係る推定結果の履歴を記憶する記憶部
    を備える請求項１２に記載のサーバ装置。
15. 前記推定結果の履歴、又は仮設トイレ毎の回収要求の回数に基づき、推奨する仮設トイレの増設場所に係る情報を生成する第１情報生成部
    を備え、
    前記出力部は、前記第１情報生成部によって生成された増設場所に係る情報を出力する
    請求項１４に記載のサーバ装置。
16. 前記推定結果の履歴、又は仮設トイレ毎の回収要求の回数に基づき、各仮設トイレにおける混雑度合いに係る情報を生成する第２情報生成部
    を備え、
    前記出力部は、前記第２情報生成部によって生成された混雑度合いに係る情報を出力する
    請求項１４に記載のサーバ装置。
17. 各仮設トイレが備える貯留槽内の排泄物を回収するための回収経路を設定する経路設定部
    を備える請求項１１から請求項１６の何れか１つに記載のサーバ装置。

Images