JP6471085B2 - ネットワーク接続装置、データ圧縮収集方法およびプログラム - Google Patents

Description

この発明は、例えばセンサデータを圧縮して収集するためのシステムで使用されるネットワーク接続装置、データ圧縮収集方法およびプログラムに関する。

例えば、環境モニタリングの分野では、複数の観測地点に配置されたセンサにより観測されたセンサデータを、ネットワークを介して特定のノード（シンクノード）に集約するシステムが使用されている。その基本構成は、複数のセンサにより一定の周期で得られたセンサデータをそのままネットワークを介してシンクノードへ送信するものである（例えば非特許文献１を参照）。しかしこの構成では、センサによるデータ送信周期が短い場合やセンサの設置数が多くなると、ネットワークにより伝送されるデータ量が増加し、ネットワーク負荷が非常に高くなる。

そこで、複数のセンサにより得られるセンサデータ間に相関性が存在する場合に、センサデータ間の類似性に基づいてセンサデータの間引きを行うことで、ネットワークへの送信データ量を抑制してネットワーク負荷を低下させる方式が提案されている（例えば非特許文献２を参照）。

oneM2M TS-0001 Functional Architecture，2015. january.30，10.1.1.1 Non-registration related CREATE procedure，10.2.19.2 <contentInstance> CREATE. 「相関のあるデータを観測する無線センサネットワークのためのデータ集約手法」、情報処理学会研究報告、ユビキタスコンピューティングシステム（UBI）2011-UBI-32(4), 1-8, 2011-11-17．

非特許文献２に記載された技術では、複数のセンサが例えばビル内のように環境が比較的類似した場所に設置されている場合には、センサデータ間の類似性が高いためデータを効果的に圧縮することができる。しかし、複数のセンサが例えば屋内と屋外のように環境の異なる場所に設置されている場合には、センサデータ間の類似性が低いため、データ圧縮効果は期待できない。

この発明は上記事情に着目してなされたもので、その目的とするところは、データ発生源の設置環境によらずデータを効果的に圧縮してネットワーク負荷の軽減を図ったネットワーク接続装置、データ圧縮収集方法およびプログラムを提供することにある。

上記目的を達成するためにこの発明の第１の態様は、データ発生源から所定の時間間隔でデータを取得すると共に、当該取得されたデータを圧縮したのちデータ収集装置へネットワークを介して送信するネットワーク接続装置とそのデータ圧縮収集方法およびプログラムにあって、上記ネットワーク接続装置において、前記データ発生源から取得した複数のデータの周波数特性をそれぞれ解析してその解析結果をもとに上記複数のデータの最大周波数成分を推定し、推定された最大周波数成分をもとに当該最大周波数成分の２倍の周波数を標本化周波数として決定し、上記データ発生源から取得した各データに対し上記決定された標本化周波数に従い再サンプリングを行い、当該再サンプリング後のデータを上記ネットワークを介して上記データ収集装置へ送信するようにしたものである。
さらに、この発明の第１の態様は、前記最大周波数を推定する際に、予め設定された第１の期間に、前記データ発生源ごとに当該データ発生源から取得した複数のデータに対し離散値を用いた周波数解析を行い、当該周波数解析の結果をもとに、前記取得した複数のデータの最大周波数成分を推定し、前記標本化周波数を決定する際に、前記第１の期間に、前記データ発生源ごとに前記推定手段により推定された最大周波数成分をもとに当該最大周波数成分の２倍の周波数を標本化周波数として決定し、前記再サンプリング処理を行う際に、前記第１の期間より後の第２の期間に、前記データ発生源ごとに当該データ発生源から取得した各データに対し前記決定された標本化周波数に従い再サンプリングを行い、前記第２の期間に、前記再サンプリングされたデータを前記ネットワークを介して前記データ収集装置へ送信するようにしている。

この発明の第１の態様によれば、データ発生源ごとにその出力データから推定した最大周波数成分の２倍の周波数を標本化周波数として、上記データ発生源から出力されるデータが再サンプリングされる。このため、複数のデータ発生源から出力されるデータ間に類似性がない場合でも、またデータ発生源が１つしかない場合でも、個々のデータ発生源から出力されるデータをその周波数特性に応じた標本化周波数により再サンプリングして圧縮することができる。このため、ネットワーク接続装置から送信されるデータ量は減少し、これによりネットワーク負荷を軽減することが可能となる。

さらに第１の態様によれば、データ発生源ごとに、データの最大周波数成分の推定処理と標本化周波数の決定処理が事前の第１の期間に行われ、この第１の期間に得られた標本化周波数を用いて、第１の期間より後の第２の期間に得られるデータに対する再サンプリング処理とデータ送信処理が行われる。すなわち、データ発生源ごとに、第１の期間を事前学習期間としてデータの最大周波数成分の推定処理と標本化周波数の決定処理が行われるので、運用開始直後から適切な標本化周波数により再サンプリング処理を行うことが可能となる。また、周波数解析の手法として離散値を用いた周波数解析手法を使用することで、最大周波数成分の推定を高精度に行うことが可能となる。

すなわちこの発明によれば、データ発生源の設置環境によらずデータを効果的に圧縮してネットワーク負荷の軽減を図ったネットワーク接続装置、データ圧縮収集方法およびプログラムを提供することを提供することができる。

この発明の一実施形態に係るデータ圧縮収集システムの前記構成を示すブロック図。 図１に示したシステムのＭ２Ｍ−ＧＷの機能構成を示すブロック図。 図２に示したＭ２Ｍ−ＧＷによる処理手順と処理内容を示すフローチャート。 図１に示したシステムの動作を示すシーケンス図。

以下、図面を参照してこの発明に係わる実施形態を説明する。
［一実施形態］
（構成）
図１は、この発明の一実施形態に係るデータ圧縮収集システムの全体構成を示す図である。一実施形態におけるシステムは、ネットワーク接続装置としてのＭ２Ｍ−ＧＷ（Machine to Machine-Gateway）２と、このＭ２Ｍ−ＧＷ２に対しネットワーク（図示省略）を介して接続されるデータ収集装置としてのＭ２Ｍ−ＰＦ（Machine to Machine-Platform）３とから構成され、Ｍ２Ｍ−ＧＷ２にＭ２Ｍデバイス１が接続される。ネットワークは、例えばインターネットとそのアクセス網とにより構成される。

Ｍ２Ｍデバイス１は、例えばローカルサーバ又は端末からなり、データ発生源としての複数のセンサ１１１〜１１ｎと、Ｍ２Ｍ−ＧＷ通信部１２を収容する。そして、センサ１１１〜１１ｎから出力されたセンサデータを、発信元のセンサの識別情報（センサＩＤ）と計測日時を表す情報と共に、Ｍ２Ｍ−ＧＷ通信部１２から一定の周期でローカルネットワーク（図示省略）を介して上記Ｍ２Ｍ−ＧＷ２へ送信する。

センサ１１１〜１１ｎは、例えば温度や湿度、気圧等を観測する気象センサからなる。なお、気象センサ以外に赤外線カメラや可視カメラ、電力量センサ、心拍センサ、歩数センサ、位置センサ、３次元加速度センサ等も適用可能である。また、ローカルネットワークとしては、ＬＡＮ（Local Area Network）や無線ＬＡＮ、Bluetooth（登録商標）等の近距離無線データ通信規格を採用した通信インタフェースを使用することができる。

Ｍ２Ｍ−ＧＷ２は、例えばホームゲートウェイにより構成され、Ｍ２Ｍデバイス通信部２１と、センサ情報集約部２２と、Ｍ２Ｍ−ＰＦ通信部２３とを備えている。

Ｍ２Ｍデバイス通信部２１は、上記Ｍ２Ｍデバイス１から送信されるセンサデータを、ローカルネットワークを介して受信する。

センサ情報集約部２２は、上記Ｍ２Ｍデバイス通信部２１により受信された各センサ１１１〜１１ｎのセンサデータをそれぞれ圧縮する処理を行うもので、以下のように構成される。図２はその機能構成を示すブロック図である。

すなわち、センサ情報集約部２２はＣＰＵ（Central Processing Unit）およびプログラムメモリを備え、この実施形態を実施するために必要な処理機能として、センサデータ受信制御部２２１と、ＤＦＴ処理部２２２と、センサデータ記憶部２２３と、最大周波数成分推定部２２４と、再サンプリング周波数決定部２２５と、再サンプリング処理部２２６と、センサデータ送信制御部２２７を備えている。

センサデータ受信制御部２２１は、学習モードおよび運用モードにおいて、上記Ｍ２Ｍデバイス１から一定の周期で送信されるセンサデータを上記Ｍ２Ｍデバイス通信部２１により受信し、受信されたセンサデータをセンサＩＤおよび計測日時を表す情報と共にセンサデータ記憶部２２３に保存させる。

ＤＦＴ処理部２２２は、学習モードにおいて、上記センサデータ記憶部２２３から学習期間に保存された各センサデータをセンサＩＤごとに読み出し、この読み出したセンサデータに対し離散値フーリエ変換（Discrete Fourier Transform：ＤＦＴ）を行い、上記各センサデータの周波数成分を解析する。

最大周波数成分推定部２２４は、センサＩＤごとに、上記ＤＦＴ処理部２２２により上記学習期間に求められた各センサデータの周波数成分から最大値ｆを推定する処理を行う。再サンプリング周波数決定部２２５は、上記最大周波数成分推定部２２４により推定された最大周波数成分ｆをもとに、標本化定理に基づいて当該最大周波数成分ｆの２倍の周波数２ｆを再サンプリングのための標本化周波数（再サンプリング周波数）として決定する処理を行う。

再サンプリング処理部２２６は、運用モードにおいて、上記センサデータ受信制御部２２１により受信されたセンサデータをセンサＩＤごとにセンサデータ記憶部２２３から読み出し、当該センサデータに対し上記再サンプリング周波数決定部２２５により決定された標本化周波数に従い再サンプリングする処理を行う。

センサデータ送信制御部２２７は、センサＩＤごとに、上記再サンプリング処理部２２６により再サンプリングされた後のセンサデータをＭ２Ｍ−ＰＦ通信部２３へ出力する処理を行う。

Ｍ２Ｍ−ＰＦ通信部２３は、上記センサデータ送信制御部２２７の制御の下、センサ情報集約部２２から出力された再サンプリング後のセンサデータを、Ｍ２Ｍ−ＰＦ３宛にネットワークへ送信する。

Ｍ２Ｍ−ＰＦ３は、例えばクラウドサーバからなり、Ｍ２Ｍ−ＧＷ通信部３１と、デバイス情報管理制御部３２と、デバイス情報記憶部３３とを備えている。

Ｍ２Ｍ−ＧＷ通信部３１は、ネットワークを介して上記Ｍ２Ｍ−ＧＷ２から送信された再サンプリング後のセンサデータを受信する。デバイス情報管理制御部３２は、上記Ｍ２Ｍ−ＧＷ通信部３１により受信された再サンプリング後のセンサデータから再サンプリング前のセンサデータを復元する。そして、当該復元されたセンサデータを、上記センサデータと共に受信したセンサＩＤおよび計測日時を表す情報と共に、デバイス情報記憶部３３に格納する処理を行う。

（動作）
次に、以上のように構成されたデータ圧縮収集システムの動作を、Ｍ２Ｍ−ＧＷ２のセンサ情報集約部２２の処理動作を中心に説明する。
図３はセンサ情報集約部２２の処理手順と処理内容を示すフローチャート、図４はシステム全体のデータの流れを示すシーケンス図である。

（１）学習モード
Ｍ２Ｍ−ＧＷ２のセンサ情報集約部２２は、システムの運用に先立ち学習モードを起動する。
Ｍ２Ｍデバイス１では、各センサ１１１〜１１ｎにより計測されたセンサデータを、Ｍ２Ｍ−ＧＷ通信部１２がセンサ１１１〜１１ｎごとに一定の時間間隔でローカルネットワークを介して上記Ｍ２Ｍ−ＧＷ２へ向け送信する処理が行われる。

Ｍ２Ｍ−ＧＷ２では、センサ情報集約部２２により、再サンプリングのための標本化周波数を決定する処理が以下のように実行される。
すなわち、先ずセンサデータ受信制御部２２１の制御の下、図３のステップＳ１１により、上記Ｍ２Ｍデバイス１から送信されたセンサデータをＭ２Ｍデバイス通信部２１を介して受信し、センサデータ記憶部２２３に保存させる。次にＤＦＴ処理部２２２が、ステップＳ１２により上記センサデータ記憶部２２３からセンサＩＤごとにセンサデータを読み出し、この読み出したセンサデータに対しＤＦＴ処理を行う。この結果、上記センサデータの周波数成分が解析される。続いてステップＳ１３において最大周波数成分推定部２２４が、センサＩＤごとに上記ＤＦＴ処理部２２２により求められたセンサデータの周波数成分の最大値ｆを推定する処理を行う。

センサ情報集約部２２は、学習期間の終了がステップＳ１４で検出されるまで、上記ステップＳ１１〜Ｓ１３により、センサデータの受信制御処理からＤＦＴ処理、最大周波数成分ｆの推定処理までの一連の処理を繰り返し実行する。なお、最大周波数成分ｆの推定処理は、センサデータの周波数成分が求められるごとに、当該周波数成分をそれ以前に受信したセンサデータの周波数成分の最大値と比較し、大きい方を新たな最大値として更新することにより行われる。

そして上記学習期間が終了すると、センサ情報集約部２２はステップＳ１５に移行し、再サンプリング周波数決定部２２５により、上記最大周波数成分推定部２２４により求められた最大周波数成分ｆをもとに、標本化定理に基づいて当該最大周波数成分ｆの２倍の周波数２ｆを再サンプリングのための標本化周波数として決定し、再サンプリング処理部２２６に渡す。

（２）運用モード
センサＩＤごとに上記再サンプリングのための標本化周波数が決定されると、以後Ｍ２Ｍ−ＧＷ２はセンサ情報集約部２２の制御の下で、センサＩＤごとにセンサデータの圧縮転送処理を以下のように実行する。

すなわち、センサ情報集約部２２はステップＳ１６において、センサデータ受信制御部２２１の制御の下、Ｍ２Ｍデバイス１から送信されたセンサデータをＭ２Ｍデバイス通信部２１を介して受信し、受信したセンサデータをセンサデータ記憶部２２３に記憶させる。次にステップＳ１７において、再サンプリング処理部２２６により上記センサデータ記憶部２２３からセンサＩＤごとにセンサデータを読み出し、このセンサデータを、上記再サンプリング周波数決定部２２５により決定された標本化周波数２ｆに従い再サンプリングする。そしてステップＳ１８において、センサデータ送信制御部２２７の制御の下、上記再サンプリング処理後のセンサデータをパケット化し、Ｍ２Ｍ−ＰＦ通信部２３からＭ２Ｍ−ＰＦ３に向け送信する。

以後同様にセンサ情報集約部２２は、上記ステップＳ１９により運用終了指示の入力が検出されるまで、上記ステップＳ１６〜ステップＳ１８により、センサデータの受信処理からその再サンプリング処理、再サンプリング後のセンサデータの送信処理までの処理を繰り返し実行する。

（効果）
以上詳述したように一実施形態では、Ｍ２Ｍ−ＧＷ２により、先ず学習期間において、Ｍ２Ｍデバイス１から受信されたセンサデータをセンサＩＤごとにＤＦＴ処理して周波数成分を解析し、当該周波数解析の結果をもとに、上記受信されたデータの最大周波数成分ｆを推定し、この推定された最大周波数成分ｆをもとにその２倍の周波数を標本化周波数として決定する。そして、運用期間において、上記Ｍ２Ｍデバイス１から受信されたセンサデータを上記決定された標本化周波数２ｆに従い再サンプリングし、この再サンプリング後のセンサデータをＭ２Ｍ−ＰＦ通信部２３からＭ２Ｍ−ＰＦ３へ送信するようにしている。

したがって、センサ１１１〜１１ｎごとに、そのセンサデータから推定した最大周波数成分の２倍の周波数を標本化周波数として、上記センサ１１１〜１１ｎから出力されたセンサデータが再サンプリングされる。このため、複数のセンサ１１１〜１１ｎから出力されるセンサデータ間に類似性がない場合でも、またセンサが１つしかない場合でも、個々のセンサ１１１〜１１ｎから出力されるセンサデータをその周波数特性に応じた標本化周波数により再サンプリングして圧縮することができる。このため、Ｍ２Ｍ−ＧＷ２からＭ２Ｍ−ＰＦ３に向けて送信される伝送データ量は減少し、これによりネットワーク負荷を軽減することが可能となる。

また学習期間を設け、この学習期間にセンサデータの最大周波数成分ｆの推定処理と標本化周波数の決定処理が行われるので、運用開始直後から適切な標本化周波数により再サンプリング処理を行うことが可能となる。また、周波数成分の解析手段としてＤＦＴ処理を使用することで、最大周波数成分ｆの推定処理を高精度に行うことが可能となる。

［他の実施形態］
前記一実施形態では、学習期間に決定された標本化周波数をそれ以後の運用期間において継続的に使用する場合について述べたが、運用期間において定期的に学習期間を設定して標本化周波数を設定し直すようにしてもよい。このようにすると、センサから出力されるセンサデータの周波数特性が変化する場合でも、その変化に追従して常に最適な標本化周波数を設定し、再サンプリング処理を行うことができる。

また、前記一実施形態では、センサ１１１〜１１ｎから出力されるセンサデータをＭ２Ｍ−ＧＷ２でそれぞれ圧縮してＭ２Ｍ−ＰＦ３へ送信する場合を例にとって説明したが、センサデータに限るものもではなく、例えば各種端末から出力される管理データや統計データ等をＭ２Ｍ−ＰＦが収集し管理するシステムにも適用できる。

さらに、前記一実施形態では各センサ１１１〜１１ｎを収容するＭ２Ｍデバイス１と、データ圧縮処理を行うＭ２Ｍ−ＧＷ２とを別々に設ける場合を例にとって説明したが、Ｍ２Ｍデバイス１にＭ２Ｍ−ＧＷ２の圧縮処理機能を設け、これをネットワーク接続装置として機能させるようにしてもよい。

その他、データの周波数特性を解析するための具体的な処理手法や、ネットワーク接続装置の種類とその構成、処理手順および処理内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１…Ｍ２Ｍデバイス、２…Ｍ２Ｍ−ＧＷ、３…Ｍ２Ｍ−ＰＦ、１１１〜１１ｎ…センサ、１２…Ｍ２Ｍ−ＧＷ通信部、２１…Ｍ２Ｍデバイス通信部、２２…センサ情報集約部、２３…Ｍ２Ｍ−ＰＦ通信部、３１…Ｍ２Ｍ−ＧＷ通信部、３２…デバイス情報管理制御部、３３…デバイス情報記憶部、２２１…センサデータ受信制御部、２２２…ＤＦＴ処理部、２２３…センサデータ記憶部、２２４…最大周波数成分推定部、２２５…再サンプリング周波数決定部、２２６…再サンプリング処理部、２２７…センサデータ送信制御部。

Claims (3)

1. データ発生源から所定の時間間隔でデータを取得すると共に、当該取得されたデータを圧縮したのちデータ収集装置へネットワークを介して送信するネットワーク接続装置であって、
   前記データ発生源から取得した複数のデータの周波数特性をそれぞれ解析し、その解析結果をもとに前記複数のデータの最大周波数成分を推定する推定手段と、
   前記推定された最大周波数成分をもとに、当該最大周波数成分の２倍の周波数を標本化周波数として決定する決定手段と、
   前記データ発生源から取得した各データに対し、前記決定された標本化周波数に従い再サンプリング処理を行う再サンプリング手段と、
   前記再サンプリング処理により再サンプリングされたデータを、前記ネットワークを介して前記データ収集装置へ送信する送信手段と
   を具備し、
   前記推定手段は、予め設定された第１の期間に、前記データ発生源ごとに当該データ発生源から取得した複数のデータに対し離散値を用いた周波数解析を行い、当該周波数解析の結果をもとに、前記取得した複数のデータの最大周波数成分を推定し、
   前記決定手段は、前記第１の期間に、前記データ発生源ごとに前記推定手段により推定された最大周波数成分をもとに当該最大周波数成分の２倍の周波数を標本化周波数として決定し、
   前記再サンプリング手段は、前記第１の期間より後の第２の期間に、前記データ発生源ごとに当該データ発生源から取得した各データに対し前記決定された標本化周波数に従い再サンプリングを行い、
   前記送信手段は、前記第２の期間に、前記再サンプリング手段により再サンプリングされたデータを前記ネットワークを介して前記データ収集装置へ送信する
   ことを特徴とするネットワーク接続装置。
2. データ発生源から所定の時間間隔でデータを取得すると共に、当該取得されたデータを圧縮したのちデータ収集装置へネットワークを介して送信するネットワーク接続装置が実行するデータ圧縮収集方法であって、
   前記データ発生源から取得した複数のデータの周波数特性をそれぞれ解析し、その解析結果をもとに前記複数のデータの最大周波数成分を推定する処理を行う第１の過程と、
   前記推定された最大周波数成分をもとに、当該最大周波数成分の２倍の周波数を標本化周波数として決定する処理を行う第２の過程と、
   前記データ発生源から取得した各データに対し、前記決定された標本化周波数に従い再サンプリング処理を行う第３の過程と、
   前記再サンプリング処理されたデータを、前記ネットワークを介して前記データ収集装置へ送信する処理を行う第４の過程と
   を具備し、
   前記第１の過程は、予め設定された第１の期間に、前記データ発生源ごとに当該データ発生源から取得した複数のデータに対し離散値を用いた周波数解析を行い、当該周波数解析の結果をもとに、前記取得した複数のデータの最大周波数成分を推定し、
   前記第２の過程は、前記第１の期間に、前記データ発生源ごとに前記推定手段により推定された最大周波数成分をもとに当該最大周波数成分の２倍の周波数を標本化周波数として決定し、
   前記第３の過程は、前記第１の期間より後の第２の期間に、前記データ発生源ごとに当該データ発生源から取得した各データに対し前記決定された標本化周波数に従い再サンプリングを行い、
   前記第４の過程は、前記第２の期間に、前記再サンプリング手段により再サンプリングされたデータを前記ネットワークを介して前記データ収集装置へ送信する
   ことを特徴とするデータ圧縮収集方法。
3. 請求項１記載のネットワーク接続装置が備える各手段による処理を、前記ネットワーク接続装置が備えるプロセッサに実行させるプログラム。