JP2020176941A - 被対象物の状態モニタリングシステム及び状態モニタリング方法 - Google Patents

Abstract

【課題】初期コスト、メンテナンスコスト及び人的コスト等のコストを削減し、かつ河川や傾斜地といった国土表層、橋梁、隧道、建物等の被対象物の状態把握の精度を飛躍的に向上することができる被対象物の状態モニタリングシステム及び方法を提供する。【解決手段】被対象物１２の状態を正確に把握する被対象物１２の状態モニタリングシステム１０であって、被対象物１２に配置される複数のセンサーデバイス１４と、各センサーデバイス１４同士を結ぶ線が交差する点に仮想的に形成される仮想センサ１８と、センサーデバイス１４の情報と仮想センサ１８の情報とに基づいて被対象物１２の状態を推定する制御部２２と、を有する。【選択図】 図１

Description

本発明は、例えば国土表層や構造物等の被対象物の状態を正確に把握することができる状態モニタリングシステム及び状態モニタリング方法に関する。

例えば国土インフラのメンテナンスは、人々の生命に関わる極めて重大な課題である。当該メンテナンスにおいて極めて重要な機能を占め、かつインフラの突発事象の検知を受け持つモニタリングの重要性が近年高まっている。

センサによって国土表層や構造物のデータ収集を行う場合、後のメンテナンスの実施や避難アラートの発令を正確かつ合理的に実施することができる程度の正確性と迅速性が要求される。このことは、単に個々のセンサの高性能化やデータの通信コストの低減を実行するだけでは、不十分である。

従来の方法として、以下に示すように、データ収集のプロセス面、データの分析面及びデータ活用面の３つの視点において、技術的な課題を有することが認められる。

［データ収集のプロセス面］
正確な状態を把握するためには、センサを配置し、当該センサから多くの情報を収集することが不可欠である。多くのセンサを配置することにより得られる情報が多くなるものの、センサ数の増加は直ちにコストの増加に直結する。また、広域を網羅した通信環境を形成するためには複数の基地局の設置が必要であるが、物理的障壁が大きく、困難である。したがって、可能な限り少ない数のセンサを配置し、単一の基地局を設置することで対応することになるが、これらの設備環境では、満足なデータの収集が不可能であり、被対象物の正確な状態を把握すること困難である。また、熟練者の人的作業・勘に頼る作業も多くなる。この作業をロボットや少数の高機能センサで代替した場合でも、汎用性に乏しい特注機器ではコストの削減を図ることができず、また、基地局の物霊的制約も解消しない。

［データの分析面］
現状のモニタリングでは、少数のポイントにおける特定のデータの変異を検知し、それを分析している。この方法によれば、事象の一面的把握に留まる場合が極めて多く、被対象物の正確な状態を把握することが困難となる。例えば、橋梁の河川増水に対する対応力の分析では、水量の増加遷移や水流速度を考慮した圧力測定だけでなく、橋脚の土台部分の洗掘データも組み合わせて分析しなければならない。洗掘の程度によっては、橋脚自体の構造的強度が十分な場合でも、橋脚の安全を担保することができない。なぜなら、収集するデータの量に依存するため、大量のデータを収集することが必要になるが、収集された大量のデータが個々に分析され、最終的に総合判断としての分析結果が必要となる。この方法では、特に緊急災害時における迅速な対応を図ることができない。

［データの活用面］
現在、自然災害の発生が予測される時には、比較的早期にアラートが発令される。しかしながら、早期のアラートの発令後に自然災害が発生しないことも多々あり、逆に早期のアラートの発令に対する地域住民の信頼感を喪失させる原因になり、かえって被害が拡大する事態に至ることもある。この理由の一つは、モニタリングの精度が低く、人間の判断を拠り所として対応しているからである。また、収集されたデータは専門家のみが判読できる形式が多く、作業の現場作業員が視覚的に直ちに利用できる形式とはなっていないため、メンテナンス作業の効率性が低下していることも一因である。

特表２０１３−５２６７０６

そこで、本発明は、初期コスト、メンテナンスコスト及び人的コスト等のコストを削減し、かつ河川や傾斜地といった国土表層、橋梁、隧道、建物等の被対象物の状態把握の精度を飛躍的に向上することができる被対象物の状態モニタリングシステム及び状態モニタリング方法を提供することを目的とする。

請求項１に記載の発明は、被対象物の状態を正確に把握する被対象物の状態モニタリングシステムであって、前記被対象物に配置される複数のセンサーデバイスと、前記各センサーデバイス同士を結ぶ線が交差する点に仮想的に形成される仮想センサと、前記センサーデバイスの情報と前記仮想センサの情報に基づいて前記被対象物の状態を推定する制御部と、を有することを特徴とする。

請求項２に記載の発明は、被対象物の状態を正確に把握する被対象物の状態モニタリング方法であって、前記被対象物に配置される複数のセンサーデバイスの情報と前記各センサーデバイス同士を結ぶ線が交差する点に仮想的に形成される仮想センサの情報を制御部に送信する送信ステップと、前記センサーデバイスの情報と前記仮想センサの情報に基づいて前記制御部が前記被対象物の状態を推定する演算ステップと、を有することを特徴とする。

請求項１に記載の発明によれば、被対象物に配置される複数のセンサーデバイスの情報と、各センサーデバイス同士を結ぶ線が交差する点に仮想的に形成される仮想センサの情報と、に基づいて、被対象物の状態が制御部により推定ないし特定される。仮想センサは、ハードウエア機器である所謂センサーデバイスではなく、計算上、認定される仮想的なセンサであるため、全てのセンサをセンサーデバイスで構成する態様と比較して、被対象物の状態把握の精度を高精度に維持しながら、低コストを同時に実現することができる。

請求項２に記載の発明によれば、送信ステップにおいて被対象物に配置される複数のセンサーデバイスの情報と、各センサーデバイス同士を結ぶ線が交差する点に仮想的に形成される仮想センサの情報と、が制御部に送信される。演算ステップにおいて、センサーデバイスの情報と仮想センサの情報とに基づいて制御部により被対象物の状態が推定ないし特定される。仮想センサは、ハードウエア機器である所謂センサーデバイスではなく、計算上、認定される仮想的なセンサであるため、全てのセンサをセンサーデバイスで構成する態様と比較して、被対象物の状態把握の精度を高精度に維持しながら、低コストを同時に実現することができる。

本発明の第１実施形態に係る被対象物の状態モニタリングシステムのシステム構成図である。 本発明の第１実施形態に係る被対象物の状態モニタリングシステムを構成する仮想センサの出現と情報量（データ量）が増大に至るメカニズムを示した説明図である。 本発明の第１実施形態に係る被対象物の状態モニタリングシステムにおいて仮想センサを創出するためのアルゴリズムを実行するときのフロー図である。 本発明の第１実施形態に係る被対象物の状態モニタリングシステムにおいて収集したデータを用いた分析処理に関するプロセスを示すフロー図である。 本発明の第１実施形態に係る被対象物の状態モニタリングシステムにおいて分析結果を端末装置等にフィードバックするときのプロセスを示すフロー図である。

本発明の第１実施形態に係る被対象物の状態モニタリングシステム及び状態モニタリング方法について、図面を参照して説明する。

［システムの全体構成］
図１及び図２に示すように、被対象物の状態モニタリングシステム１０は、被対象物１２に実装される複数のセンサーデバイス１４と、センサーデバイス１４同士の通信により出現する単数又は複数の仮想センサ１８と、センサーデバイス１４と通信可能な基地局１６と、基地局１６に接続するインターネット２０上に形成されるクラウドコンピューティング２２と、を含んで構成される。

図２では、センサーデバイス１４はＡ、Ｂ、Ｃ、Ｄ、Ｅで示され、仮想センサ１８はＦ、Ｇ、Ｈ、Ｉ、Ｊで示されている。

被対象物１２とは、例えば国土表層、橋梁、隧道、建物等であるが、これらに限定されない。

センサーデバイス１４は、本明細書において現実にハードウエアとして存在するセンサを意味し、「現実センサ」と定義する。

センサーデバイス１４は、ＣＰＵを搭載し、微弱電波によりドップラーセンシングによって相互の距離を計測する。ここで、「ドップラーセンシング」の動作原理は、アンテナから発信されるマイクロ波を被検出物に当て、反射してきたマイクロ波の周波数を監視することによって物体の動きを検出するものである。被検出物が動いている場合にはドップラー効果により反射波の周波数が変化し、当該周波数変化を検出し信号を出力する。なお、被検出物が停止している場合や被検出物が存在しない場合には周波数変化が起こらず動作しない。

各センサーデバイス１４の通信手段は、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ（登録商標） Ｌｏｗ Ｅｎｅｒｇｙ）を用いる。ＢＬＥモジュールは、例えば無線部のみを利用する。

各センサーデバイス１４は、常時稼動する態様ではなく、予め設定した起動に値する事象が発生した時のみ動作する。

各センサーデバイス１４は、自律的なヘルスチェック機能を搭載しており、各センサーデバイス１４が自身の情報をクラウドコンピューティング２２に対して送信（提供）することにより、各センサーデバイス１４の故障管理を実行する。

各センサーデバイス１４として、例えばＬｏＲａＷＡＮセンサーデバイスを用いる場合には、ＬＳＩが搭載された構成が利用される。

センサーデバイス１４は、被構造物１２である構造物や地形の形状に沿って網羅的に設置されるものであり、その一つ一つが基地局１６を介してクラウドコンピューティング２２に直結されている。本明細書において、この構成を「ダストセンシング」と称する。

仮想センサ１８は、ハードウエアとして現実に被対象物１２に設置されるセンサーデバイスとは異なり、センサーデバイス同士の通信によりクラウドコンピューティング上に認識される位置情報発信点である。換言すれば、仮想センサ１８は、ハードウエアの電子機器ではなく、計算上、認定される仮想のセンサである。

基地局１６は、例えばＬＰＷＡ／ＬｏＲａＷＡＮを採用する。

基地局１６は、小型であり、小データ（１１バイト〜２４２バイト）の通信を少ない頻度で行うことにより、電力消費が極めて少なく、一つの特殊電池で１０年〜２０年の稼働が可能になる。したがって、基地局１６の設置が容易であり、地理的・電力供給条件に左右され難く、またメンテナンスも容易となる。

「ＬＰＷＡ」とは、「Ｌｏｗ Ｐｏｗｅｒ Ｗｉｄｅ Ａｒｅａ」の略であり、「低消費電力で長距離の通信」ができる無線通信技術の総称のことである。ＬＰＷＡの最大伝送速度は１００ｂｐｓ程度、伝送距離は最大５０ｋｍ程度である。ＬＰＷＡの種類は、ライセンス不要のアンライセンスバンド（特定小電力無線）の通信方式と、ライセンスが必要な通信キャリアの無線方式と、がある。ＬＰＷＡは、通信速度が比較的遅いものの、省電力で長距離の通信を実現できることに特徴がある。

「ＬｏＲａＷＡＮ」とは、ＬＰＷＡ（省電力長距離通信）の一種であり、「ＬｏＲａ Ａｌｌｉａｎｃｅ」が定めた「無線ネットワーク規格」の名称である。ＬｏＲａＷＡＮは、ＩｏＴ向けの通信規格であり、世界的に広く利用されている。ＬｏＲａＷＡＮは、ライセンス不要のアンライセンスバンド（特定小電力無線、またはＩＳＭバンド等ともいう）で、サブギガ帯と呼ばれる９２０ＭＨｚ帯を使用している。ＬｏＲａＷＡＮは、低電力・省電力で長距離通信が可能であり、ノイズに強いという特徴を備えている。

「ＬｏＲａＷＡＮ」では、電波到達距離が最大１００ｋｍに至ることが検証されており、例えば３ｋｍ程度の距離が望ましい。

クラウドコンピューティング２２は、中央制御システムとして機能し、複数のデータベース２２ａと、仮想モニタリングシステム、距離計測補助演算システム及び仮想ドップラーセンシングシステムを有する仮想コンピュータ２２ｂと、各種ソフトウエア、アプリケーション（図示省略）等で構成されている。クラウドコンピューティング２２には、各種端末装置２４の他に、例えばウェアラブル機器（図示省略）等の通信機器が接続可能となるように構成されている。

このため、被対象物の状態モニタリングシステム１０は、膨大な量の端末装置２４を網羅したネットワークシステムを形成する。

クラウドコンピューティング２２は、本発明の「制御部」の一実施形態である。

被対象物の状態モニタリングシステム１０では、センサーデバイス１４同士の通信により単数又は複数の仮想センサ１８が出現するため、各センサーデバイス１４及び各仮想センサ１８の一次データを収集することができ、収集可能な一次データの量が飛躍的に増大する。

なお、「一次データ」として、例えば、各センサーデバイス１４及び各仮想センサ１８の位置情報を示すデータである。

クラウドコンピューティング２２上では多くの解析ソフトウエアが同時並行で走査されており、各センサーデバイス１４及び各仮想センサ１８の一次データが解析され、また各ソフトウエアより適宜データ加工することにより、各センサーデバイス１４に対して調整作業を行うことなく、被対象物１２に対して常に最新かつ深い解析が行われる。

微弱電波によるドップラーセンサによって収集された一次データは、基地局１６を介してクラウドコンピューティング２２に送信されるが、この際、長距離をシュミレーション演算する仮想ドップラーセンシングシステムが用いられる。

解析された一次データは、視覚によって認知可能なように表示され、メンテナンス実施時の効率化を図ることができるとともに、解析の専門家に限らず一般利用者も端末装置２４等で利用することができる。被対象物１２の異常又は異常予測に対して、見える化した解析結果を用いてアラートを発令することにより、一般利用者に安心感を与えることができる。また、アラート発令の正確性を向上させることができる。

［仮想センサの創出と情報量の増大プロセス］
以下の各アルゴリズムは、各センサーデバイス１４同士の通信のみで実行されるものではなく、クラウドコンピューティング２２上での演算処理で実行されるものであり、被対象物１２に各センサーデバイス１４が無限に増設されている場合の効果と同様の効果を得るものである。

＜仮想センサを創出するためのアルゴリズム＞
図２及び図３を参照して、仮想センサを創出するためのアルゴリズムについて説明する。

（Ａ−１）
構造物や地形の形状に沿って網羅的に設置された各センサーデバイス１４が基地局１６を介してクラウドコンピューティング２２に直結される。各センサーデバイス１４は、微弱電流を用いたドップラーセンシングにより、各センサーデバイス１４同士の相互の距離を計測する（Ｓ１００）。

（Ａ−２）
各センサーデバイス１４は、基地局１６だけではなく、自律的に全ての各センサーデバイス１４に対して一対一の通信を行い、相互の距離を計測することにより、各センサーデバイス数（ｎ）×（ｎ）の数の「線」が演算処理によって発生する（Ｓ１１０）。

（Ａ−３）
クラウドコンピューティング２２上の距離計測補助演算システムにおいて、至近距離での各センサーデバイス１４間の距離測定を組み合わせて全てのセンサーデバイス１４間での距離測定を演算処理によって実行する。

（Ａ−４）
各「線」には他の線との交わりにより多数の「交差点」が生じる（Ｓ１２０）。当該「交差点」が各センサーデバイス１４によって生まれた新たなセンサである「仮想センサ」として、仮想コンピュータ２２ｂにより仮想的に生成される（Ｓ１３０）。これによって、センシングポイント（各センサーデバイス１４及び仮想センサ１８の数）が増大し、（ｎ＋ｎｎ）×（ｎ＋ｎｎ）の「線」が計算上発生する。

（Ａ−５）
上記（Ａ−２）から（Ａ−４）のプロセスを所定の回数だけ繰り返すことにより、仮想センサ１８の数が指数係数的に増加し、非常に緻密で膨大な量の「線」が再回帰型の演算処理によって発生する。

（Ａ−６）
上記（Ａ−２）から（Ａ−５）により発生した「線」は、被対象物１２の状態を把握するための精度に繋がる原因の集合体として扱い、演算要素と認定する。この演算要素の交差点を含む全ての組み合わせで生成された３点を頂点と、この３点を結んだ線で囲まれた面を「ポリゴン」として認定し、演算処理の基礎要素として定義する（Ｓ１４０）。当該面の形状は、例えば多角形状となる。

（Ａ−７）
上記により定義された「面（ポリゴン）」の集合体に対し、被対象物１２が構造物の場合にはＣＡＤデータ、被対象物１２が構造物以外の地形の場合には地図データと合体ないし融合させることにより、被対象物１２の変異及び予測を行うための演算の要素が抽出される。

＜被対象物の変異を測定するためのアルゴリズム＞
被対象物の変異を測定するためのアルゴリズムについて説明する。

（Ｂ−１）
被対象物１２は全て立体であり、立体は多数の面で構成され、面は線で構成される。この「立体→面→線」は何層にも再回帰が繰り返されたり、隣接したりして構造化される。例えば橋の鉄骨も、単なる棒ではない。複雑な図形が重畳的に組み合わされることにより、全体としての構造物となる。

（Ｂ−２）
モニタリング対象は上記構造化によって形成された物を仮想コンピュータ２２ｂに直結された各センサーデバイス１４及び各仮想センサ１８で構成されたセンサ群からなるセンシングシステム（メッシュセンシング）により、センサデータの束としてセンシングデータが再構築される。

（Ｂ−３）
再構築されたセンシングデータは、全体の中での偏移を計算上の差分として捉えることができる。これをメッシュセンシングという。

（Ｂ−４）
センサ群は無限に増加する仮想センサ１８を構成要素として備えているため、取り扱うセンサーデバイス１４の数を用途に合わせて自由に変更することができ、例えば道路の拡幅の場合だけではなく、例えば道路・橋梁・側斜面といった複合するインフラに対するモニタリングシステムとして利用できる。

＜収集したデータを用いた分析処理に関するプロセス＞
図４を参照して、収集したデータを用いた分析処理に関するプロセスについて説明する。クラウドコンピューティングによる瞬時同時並行のデータ分析であり、高い精度の分析結果を生み出すプロセスである。

（Ｃ−１）
上記メッシュ的に構成されたポリゴンによって収拾されたデータ群には様々な種類のデータが含まれるが、クラウドコンピューティング２２の仮想コンピュータ２２ｂは、当該データ群を周波数の変化に基づいた同一種別のデータに変換する（Ｓ２００）。

（Ｃ−２）
仮想コンピュータ２２ｂは、当該同一種別のデータを用いて、分析の演算処理を合理化し、かつ演算処理を繰り返し、極めて精度の高い分析結果を生み出す（Ｓ２１０）。

（Ｃ−３）
これらのデータや分析結果が仮想コンピュータ２２ｂに格納され、センサーデバイス１４が固定化された状態において、多数の解析ソフトウエアは並列的に処理し、また処理の追加変更を実行する（Ｓ２２０）。このため、常に最新かつ深い解析をすることが可能である。これらはいわゆるＤｅｅｐ ｌｅａｒｎｉｎｇを行ったものではなく、現に収集した大量のデータの演算結果に基づくものであるため、正確な解析をすることが可能となる。

センサーデバイス１４を被対象物１２に取り付け、クラウドコンピューティング２２上に構造化されたモニタリングシステムを仮想化して稼動することにより、被対象物１２を高精度に分析することができる。

＜分析結果を端末装置等にフィードバックするプロセス＞
図５を参照して、利用者が分析結果を視認し易いように、見える化するためのプロセスについて説明する。

（Ｄ−１）
クラウドコンピューティング２２は、当該分析結果とＣＡＤ又は地図データとを融合処理する（Ｓ３００）。ＣＡＤデータや地図データはセンシングデータであり、この融合によって分析結果の視覚化が容易になる。センサーデバイス１４はクラウドコンピューティング２２に接続されることより、ＧＰＳと各センサーデバイス１４の距離センサによって被対象物１２のＣＡＤデータと統合され、各センサーデバイス１４の設置個所が登録される（Ｓ３１０）。

（Ｄ−２）
このように構造的に把握された「異常」データの全体がＶＲ／ＶＦＸ技術によって視覚化され、又は異常部分のみが視覚化される（Ｓ３２０）。これにより、被対象物１２の異常を正確に把握でき、メンテナンス計画を合理的な策定することが可能になる。

（Ｄ−３）
視覚化されたデータは、クラウドコンピューティング２２上のデータベース２２ａに保管され、データベース２２ａから各端末装置２４に対して配信される（Ｓ３３０）。これにより、現場作業の合理化の他に、広く利用者に提供するための情報として役立てることができる。また、災害関連情報に関しては人の判断を支援するためのエキスパートシステム（図示省略）を用いて判断を行い、予め設定した危険発生のガイドラインに基づき自動的に発令を行う。これにより、信頼性の高いアラートシステムを提供することができる。

本実施形態によれば、被対象物１２に配置される複数のセンサーデバイス１４の情報と、各センサーデバイス１４同士を結ぶ線が交差する点に仮想的に形成される仮想センサ１８の情報に基づいて、被対象物１２の状態がクラウドコンピューティング２２により推定される。仮想センサ１８は、ハードウエア機器である所謂センサーデバイス１４ではなく、計算上、認定される仮想的なセンサであるため、全てのセンサをセンサーデバイス１４で構成する態様と比較して、被対象物１２の状態把握の精度を高精度に維持しながら、低コストを同時に実現することができる。

特に、各センサーデバイス１４が計算上、認定し得る仮想センサ１８を生み出す仕組みを作ることによって、収集するデータの量を飛躍的に増大させて、データ収集の隙間を無くすことができる。これにより、初期コストを削減しながら、被対象物１２の状態把握の精度を高めることができる。

収集された様々なデータを同一種別のデータに変換することで、分析の演算処理を合理化し、繰り返しの演算処理を行い、極めて精度の高い分析結果を生み出すことが可能になる。これらの演算処理がクラウドコンピューティング２２、すなわちクラウド上における分散処理により実行されるため、演算処理の効率が大幅に向上する。

演算処理されたデータは、予め条件を設定したアラート発令システムが、アラート発令要件を具備すると判断した場合に、人の判断を待つことなく自動的にアラート発令が実行される。これにより、人的コストを削減できる。加えて、当該データはクラウドコンピューティング２２上の中央管制システムにおいて、ＣＡＤへの組み込みや、ＶＲ技術により視覚化される。これにより、利用者に必要な情報を視覚化することができ、個々の端末装置２４に配信される他、インフラメンテナンスの精密な立案や作業にフィードバックして役立てることができる。

この結果、従来技術によれば、熟練者の技量に頼らざるを得ず、またインフラの状況を正確に把握することができなかったが、本実施形態によれば、インフラの状況を客観的かつ正確に把握することができ、アラート発令の信頼性を飛躍的に向上させ、メンテナンスコストを大幅に削減できる。

以上のように、河川や傾斜地といった国土表層、橋梁・隧道・建物等の構築物の状況把握能力（モニタリング能力）を飛躍的に向上させ、人的労力を掛けず遺漏の無い迅速適切な対応を行うことが可能とする。同時に構築物の状況把握の正確性によりピンポイントのメンテナンスが可能になり、それ伴う人的負担の軽減効果から、インフラのメンテナンスコストを飛躍的に削減できる。

［多種多様なデータを多面的大量に取得するプロセスの効果］
本実施形態によれば、インフラのモニタリングにおいて、センサーデバイス１４が仮想センサ１８を生み出す仕組みを作ることにより、収集するデータの量を飛躍的に増大させることができ、ひいては低コストでデータ収集の隙間を無くす方法を実現することができた。

［収集したデータから精度の高い分析結果を生み出すプロセスの効果］
本実施形態によれば、インフラに関する大量かつ多種多様なデータの収集に対応して、それを迅速かつ正確に分析する演算処理の方法を実現することができた。特に構造体が被対象物１２の場合、１点の歪みは連鎖的に他の部位に影響を及ぼすことから、単に１点の変異に基づく予測ではなく、全体構造から捉えた分析を重畳させることで波及予測の精度を高めることができる。

［分析結果を即時にフィードバックするプロセスの効果］
本実施形態によれば、信頼性の高い災害警報を発令できる方法を実現することができた。また、災害発令に直結しない分析データについては、利用者がインフラの状態を視覚的かつ正確に把握できる方法を実現し、メンテナンスの計画的合理的実施に活かすことができる。

なお、以上で説明した実施形態は、本発明を説明するための例示に過ぎず、本発明の要旨を逸脱しない範囲内において、種々変更を加え得ることが可能である。

１０ 被対象物の状態モニタリングシステム
１２ 被対象物
１４ センサーデバイス
１６ 基地局
１８ 仮想センサ
２０ インターネット
２２ クラウドコンピューティング（制御部）
２２ａ データベース
２２ｂ 仮想コンピュータ
２４ 端末装置

Claims (2)

1. 被対象物の状態を正確に把握する被対象物の状態モニタリングシステムであって、
   前記被対象物に配置される複数のセンサーデバイスと、
   前記各センサーデバイス同士を結ぶ線が交差する点に仮想的に形成される仮想センサと、
   前記センサーデバイスの情報と前記仮想センサの情報に基づいて前記被対象物の状態を推定する制御部と、
   を有することを特徴とする被対象物の状態モニタリングシステム。
2. 被対象物の状態を正確に把握する被対象物の状態モニタリング方法であって、
   前記被対象物に配置される複数のセンサーデバイスの情報と、前記各センサーデバイス同士を結ぶ線が交差する点に仮想的に形成される仮想センサの情報と、を制御部に送信する送信ステップと、
   前記センサーデバイスの情報と前記仮想センサの情報とに基づいて、前記制御部が前記被対象物の状態を推定する演算ステップと、
   を有することを特徴とする被対象物の状態モニタリング方法。
   

Images