JP6630258B2 - プログラム及び消費電力予測装置 - Google Patents

Description

本発明は、気象状況に応じて計測頻度を変更するワイヤレスセンサネットワークの消費電力を予測する消費電力予測装置に関する。

トンネルや橋梁、高架橋、建物、地盤、傾斜地といった監視対象物に分散配置した多数のセンサでなるワイヤレスセンサネットワークを利用して、監視対象物の状態を監視する技術が知られている（例えば、特許文献１参照）。

特開２０１３−１０９４３１号公報

このようなワイヤレスセンサネットワークにおいては、監視対象物の異常やその兆しを速やかに検知するため、雨量や気温、風速といった気象状況が警戒閾値を超えた場合に、計測頻度を増加させてより短い周期で計測を行うようにすることが考えられている。

ところで、ワイヤレスセンサネットワークに利用されるセンサは、通常、バッテリ駆動である。監視対象物に設置されたセンサは多数であるとともに、設置場所によっては容易に立ち入れず、バッテリ交換を含む保守作業は簡単でない。このため、適切なバッテリ容量の設計や、バッテリ交換のタイミングの見極めのために、各センサの消費電力を予測することは重要である。

しかしながら、計測頻度を変更すると、計測回数が変化することから、消費電力も変化する。気象条件に応じて各センサの計測頻度を設定変更する仕様を組み込む場合、気象条件の変化自体が不確定要素であり、予測し難いことから、消費電力の予測が困難であるという問題があった。

本発明は上記事情に鑑みてなされたものであり、その目的とするところは、ワイヤレスセンサネットワークにおいて、気象状況に応じて計測頻度を変更する場合の消費電力の予測を高精度に実現し得る手法を提案することである。

上記課題を解決するための第１の発明は、
バッテリを有して気象状況に応じて計測頻度を設定変更するセンサを監視対象物に複数分散配置し、各センサが計測値を送信又は中継することで集約装置に転送するワイヤレスセンサネットワークにおける消費電力の予測計算をコンピュータに行わせるためのプログラム（例えば、図７の消費電力予測プログラム３０２）であって、
消費電力の予測期間を設定する予測期間設定手段（例えば、図７の予測期間設定部２０２）、
前記予測期間に対応する過去の気象データに基づいて、前記予測期間中に前記計測頻度が設定変更されるスケジュールを予測する設定変更予測手段（例えば、図７の頻度変更予測部２０４）、
前記スケジュールに従った計測頻度に基づいて前記センサそれぞれが計測動作を行い、計測値の送信および受信を行って前記集約装置に転送する各センサの動作シミュレーションを行う動作シミュレーション手段（例えば、図７のＷＳＮ動作予測部２０６）、
前記動作シミュレーションに基づいて、各センサの消費電力を算出する消費電力算出手段（例えば、図７の消費電力算出部２０８）、
として前記コンピュータを機能させるためのプログラムである。

また、他の発明として、
バッテリを有して気象状況に応じて計測頻度を設定変更するセンサを監視対象物に複数分散配置し、各センサが計測値を送信又は中継することで集約装置に転送するワイヤレスセンサネットワークにおける消費電力を予測する消費電力予測装置であって、
消費電力の予測期間を設定する予測期間設定手段と、
前記予測期間に対応する過去の気象データに基づいて、前記予測期間中に前記計測頻度が設定変更されるスケジュールを予測する設定変更予測手段、
前記スケジュールに従った計測頻度に基づいて前記センサそれぞれが計測動作を行い、計測値の送信および受信を行って前記集約装置に転送する各センサの動作シミュレーションを行う動作シミュレーション手段と、
前記動作シミュレーションに基づいて、各センサの消費電力を算出する消費電力算出手段と、
を備えた消費電力予測装置を構成しても良い。

この第１の発明等によれば、予測期間に対応する過去の気象データに基づいて計測頻度が設定変更されるスケジュールを予測し、このスケジュールに従った計測頻度で各センサの動作シミュレーションを行うことで、予測期間における消費電力を算出することができる。予測期間に対応する過去の気象データに基づくことで、予測期間の気象を高い蓋然性で予測することができるため、予測期間における計測頻度の設定変更の予見性が向上し、消費電力を高精度に予測することが可能となる。

第２の発明として、第１の発明のプログラムであって、
前記消費電力算出手段により算出された消費電力に基づいて、前記バッテリの残量が所定の低レベル状態に達するセンサおよびそのタイミングを予測するバッテリ残量予測手段（例えば、図７のバッテリ残量予測部２１２）、
として前記コンピュータを更に機能させるためのプログラムを構成しても良い。

この第２の発明によれば、センサ別に、バッテリ残量が所定の低レベルに達するセンサ、及び、そのタイミングを予測することができるため、バッテリ容量の設計の目安としたり、バッテリ交換作業を行うスケジュールの立案作業に役立たせることができる。

第３の発明として、第２の発明のプログラムであって、
前記センサは、所定の自然エネルギーを電気に変換して前記バッテリに蓄積させる発電手段を有しており、
前記所定の自然エネルギーの源となる自然事象の過去データのうち、前記予測期間に対応するデータに基づいて、前記予測期間中の前記発電手段の発電出力を予測する発電出力予測手段（例えば、図７の発電出力予測部２１０）、
として前記コンピュータを更に機能させ、
前記バッテリ残量予測手段は、前記発電出力予測手段により予測された発電出力と、前記消費電力算出手段により算出された消費電力とに基づいて、前記バッテリの残量変化を予測する、
プログラムを構成しても良い。

この第３の発明によれば、センサが発電手段を有する場合に、この発電手段による発電出力を予測して、各センサのバッテリの残量変化を予測することができる。発電手段は、太陽光や風力といった自然エネルギーによって発電するため、この自然エネルギーの源となる自然事象の変化によって変動するが、自然事象の過去データに基づくことで、予測期間の自然事象を高い蓋然性で予測することができ、発電出力を高精度に予測することができる。

第４の発明として、第１〜第３の何れかの発明のプログラムであって、
前記設定変更予測手段は、前記予測期間に対応する過去の気象データに基づいて前記予測期間中の気象状況を所与の時間間隔で予測し、当該予測した気象状況に基づいて前記計測頻度の設定変更を判定することで前記スケジュールを予測する、
プログラムを構成しても良い。

この第４の発明によれば、予測期間中の気象状況を所与の時間間隔で予測して計測頻度の設定変更を時系列に予測するため、予測期間中の消費電力を時系列に予測することができる。

第５の発明として、第４の発明のプログラムであって、
前記設定変更予測手段は、前記予測期間に対応する過去の気象データに基づいて気象状況を予測するために定められた確率密度関数を用いて、前記予測期間中の気象状況を予測する、
プログラムを構成しても良い。

この第５の発明によれば、予測期間に対応する過去の気象データに基づく確率密度関数を用いて気象状況を予測するため、同一の予測期間であっても、毎回、予測される気象状況が異なることから、予測される消費電力も異なる。これにより、例えば、同一の予測期間についての消費電力の予測を複数回繰り返し行うことで、予測された各回の消費電力に対する統計演算によって、この予測期間の消費電力の最大値や最小値、平均値、中央値などを推測するといったことが可能となる。

第６の発明として、第１〜第５の何れかの発明のプログラムであって、
前記動作シミュレーション手段は、センサ間それぞれの前記計測値の通信成否を確率演算を用いて毎回決定し、同一のセンサ間の連続通信を所定の再試行上限回数までとして転送ルートを可変とする動作シミュレーションを行う、
プログラムを構成しても良い。

この第６の発明によれば、センサ間の通信成否や、通信失敗に伴う転送ルートの変更といった現実に即した動作シミュレーションが可能となり、各センサの消費電力の算出をより正確に行うことができる。

ワイヤレスセンサネットワークの構成例。 過去の雨量の観測値に基づく雨量の予測の説明図。 雨量の予測値に基づく計測頻度の変更の説明図。 各センサの動作予測の説明図。 消費電力の予測結果の表示例。 消費電力の予測結果の表示例。 消費電力予測装置の機能構成図。 ＷＳＮ動作履歴データのデータ構成例。 ＷＳＮ電力履歴データのデータ構成例。 消費電力予測処理のフローチャート。

以下、本発明を適用した実施形態の一例を説明するが、本発明を適用可能な形態は以下の実施形態に限定されるものではない。また、本実施形態の説明において、理解を容易にするために、電力量とする記載がない限り、「消費電力」および「発電電力」を、電力量を含む広義の意味として用いている。文中の「消費電力」や「発電電力」が、時間的な電力の総量を指している場合には、電力量を指している。

［原理］
本実施形態は、監視対象物の状態を監視するためのワイヤレスセンサネットワークにおける各センサの消費電力を予測するものであり、具体的には、気象状況に応じて計測頻度を設定変更するワイヤレスセンサネットワークに対して、気象状況の変化の予測にもとづき、その消費電力を予測する。

図１は、本実施形態の消費電力予測の対象となるワイヤレスセンサネットワーク１の概要を示す図である。ワイヤレスセンサネットワーク１は、監視対象物である盛土によって形成された鉄道用の線路に係る斜面３に配置された多数のセンサＳと、各センサＳによる計測データを集約する集約装置Ｇと、によって構成される。

センサＳは、直交する３軸（Ｘ・Ｙ・Ｚ軸）別の加速度を計測する公知の３軸加速度センサの他、無線通信装置、バッテリ、及び、発電手段であるソーラーセルを内蔵しており、バッテリの蓄電電力によって動作するとともに、ソーラーセルによる発電電力によってバッテリが充電可能に構成されている。センサＳは、所定の計測周期頻度で計測動作を行い、得られた計測データを、直接的に、或いは、他のセンサＳを経由した間接的に、無線通信によって集約装置Ｇへ送信する。集約装置Ｇに集約された各センサの計測データは、通信回線Ｎを介して所与の外部装置５へ送信される。

ワイヤレスセンサネットワーク１は、降雨による斜面３の崩落の発生或いは予兆を監視することを目的としており、各センサＳの計測頻度は、気象状況の１つである雨量によってその設定が変更される。具体的には、例えば、ワイヤレスセンサネットワーク１の外部の装置において、監視対象物周辺の雨量を監視し、雨量が所定の閾値を超えていない場合には計測周期Ｔ１の計測頻度で計測動作を行い、雨量が閾値を超えた場合には計測周期Ｔ１より短い計測周期Ｔ２の計測頻度で計測動作を行うように、当該装置から集約装置Ｇを介して、各センサＳに宛てた設定変更信号を送信することで、各センサＳの計測周期を設定変更させる。

（Ａ）気象状況の予測
ワイヤレスセンサネットワーク１に対する消費電力予測では、先ず、予測対象となる期間（予測期間）における雨量の予測を行う。雨量の予測は、予測期間に対応する時期の過去の雨量の観測値に基づく確率演算によって行う。すなわち、例えば同月といった予測期間に対応する過去の期間における雨量の観測値に基づいて確率密度関数ｆ（ｘ）を求める。確率密議関数ｆ（ｘ）は正規分布とし、雨量の観測値に基づいて、平均値μ、及び、標準偏差σを算定する。従って、雨量の観測値を確率変数ｘとした確率密度関数ｆ（ｘ）は、図２および次式（１）に示すようになる。

そして、擬似乱数を発生させて乱数値ｐ（０≦ｐ≦１）を決定し、確率密度関数ｆ（ｘ）に基づいて、確率変数（雨量）が「ａ」以下となる確率が、この乱数値ｐに一致するときの雨量ａを、予測値とする。予測期間に対応する過去の気象データに基づくことで、予測期間の気象状況（この場合、雨量）を高い蓋然性で予測することができる。なお、確率密度関数を用いることで、一定のばらつきのある予測値となるが、その確率密度関数自体が、予測期間に対応する過去の気象データに基づくものであることから、予測値を繰り返し求めることで、予測される最大値や最小値、平均値、中央値といった、予測期間に起こり得る予測値（この場合、雨量）を高い蓋然性で予測することができる。

（Ｂ）計測周期の変更の予測
図３は、雨量の予測値に基づく計測周期の変更の概要を説明するための図である。図３では、横方向を時刻として、雨量の予測値と、計測周期の変更タイミングとを示している。予測期間内の各時刻ｔについて雨量の予測値を算出することで、図３に示すような、予測期間における雨量の予測値の時系列変化を求めることができる。

そして、雨量の予測値を所定の閾値と比較することで、計測頻度が設定変更されるスケジュールを予測する。すなわち、雨量の予測値が閾値を超えない状態から閾値を超える状態となったタイミングで、計測周期が第１周期Ｔ１から第２周期Ｔ２に変更され、閾値を超えた状態から閾値を超えなくなったタイミングで、計測周期が第２周期Ｔ２から第１周期Ｔ１に変更されるとする。つまり、雨量の予測値が閾値を超えない期間においては、第１周期Ｔ１の計測頻度で計測動作を行い、超える期間においては、第１周期Ｔ１より短い第２周期Ｔ２の計測頻度で計測動作を行うこととする。

（Ｃ）ＷＳＮの動作予測
続いて、予測した計測頻度の設定変更のスケジュールに基づいて、ワイヤレスセンサネットワーク１における各センサＳの動作を予測する動作シミュレーションを行う。具体的には、予測した計測頻度で到来する計測タイミングそれぞれにおいて、各センサＳが計測を行い、得られた計測データを集約装置Ｇへ送信する動作を予測する。すなわち、各センサＳが行う動作として、計測動作と、計測動作によって得られた計測データを送信する送信動作と、他のセンサＳによる計測データを受信して送信する中継動作と、を予測した各センサＳの動作シミュレーションを行う。なお、本実施形態では、計測タイミングの間の待機中の消費電力を算出（予測）する必要があることから、この待機のことを待機動作として、各センサＳの動作に含めることとする。

図４は、ワイヤレスセンサネットワーク１の動作予測の一例である。図４は、４つのセンサＳ１〜Ｓ４でなるワイヤレスセンサネットワーク１についてのある計測タイミングにおける動作の予測例を示している。センサＳ１〜Ｓ４それぞれが計測を行って得られた計測データが、集約装置Ｇに送信される際の予測された送信経路を矢印で示している。センサＳ１，Ｓ３の計測データは、直接に集約装置Ｇに送信され、センサＳ２の計測データは、センサＳ１を中継して集約装置Ｇに送信され、センサＳ４の計測データは、センサＳ３を中継して集約装置Ｇに送信される。計測データの中継動作は、受信動作、及び、送信動作を含む。従って、センサＳ１，Ｓ３は、１回の受信動作、及び、２回の送信動作を行い、センサＳ２，４は、１回の送信動作を行うことになる。

また、計測データの通信は必ず成功するわけではないため、センサＳの動作予測において、計測データの送信の成否を所定の確率演算によって決定する。確率演算は、所定のパケットロス率に基づいて実行することができる。通信を失敗した場合には、同一のセンサＳに対する送信を再試行し、同一のセンサＳに対する送信の失敗回数が所定の再試行上限回数に達した場合には、送信先のセンサＳを変更して、つまり送信経路を変更して送信を行う。各センサＳの送信経路は、優先順位とともに予め複数設定されている。

（Ｄ）消費電力
続いて、計測タイミング別に予測した各センサＳの動作に基づき、各センサＳの消費電力を算出する。具体的には、センサＳそれぞれについて、計測タイミング別に、計測動作、送信動作、受信動作、及び、待機動作の各動作に要する消費電力を求め、その合計を当該計測タイミングの消費電力とすることで、予測期間における時系列の消費電力を予測する。

計測動作、送信動作、及び、受信動作の各動作については、予め定められた１回の実行に要する当該動作の基準消費電力と、当該計測タイミングにおいて予測した当該動作の動作回数との積を、当該動作に要する消費電力とする。待機動作は、直前の計測タイミングから予測対象の計測タイミングまでの待機中の状態を表しており、コンピュータによる計算上、１つの動作として扱う。待機動作に要する消費電力は、直前の計測タイミングから予測対象の計測タイミングまでの待機時間と、予め定められた単位時間当たりの待機中の消費電力との積を、待機動作の消費電力として算出する。

（Ｅ）エナジーハーベスト
また、予測期間におけるソーラーセルによる発電電力を予測する。ソーラーセルは、自然エネルギーである光エネルギーを電力に変換するものであるため、この光エネルギーの源となる自然事象である日照量を予測し、この日照量の予測値をもとに、発電電力を予測する。具体的には、確率密度関数を用いた雨量の予測と同様にして、予測期間に対応する過去の日照量の観測値をもとに、確率演算によって予測期間の各時刻における予測値を算出し、算出した日照量の予測値と、ソーラーセルの発電性能（発電効率など）とをもとに、各時刻の発電電力の予測値を算出する。このとき、直前の計測タイミングから予測対象の計測タイミングまでの発電電力は一定であるとする。

そして、算出した発電電力の予測値の全部或いは所定係数を乗算した一部の電力がバッテリに充電されるとして、バッテリ残量を時系列に予測する。すなわち、予測期間の開始時点におけるバッテリ残量を所与の初期残量として、この時点から順に各時刻について、消費電力の予想値だけ減少させるとともに、発電電力だけ増加させることで、当該時刻のバッテリ残量を算出する。

（Ｆ）予測例
図５，図６は、ワイヤレスセンサネットワーク１に対する消費電力の予測結果の表示例である。図５は、センサ別のバッテリ残量の時系列変化を示した図である。すなわち、図５では、３つのセンサ（上から順に、センサＳ１〜Ｓ３）それぞれについて、横軸を時刻、縦軸をバッテリ残量として、予測期間におけるバッテリ残量の時系列変化を示している。センサＳは、その配置位置によって、他のセンサＳの計測データを中継するか否かやその回数が異なることから、１回の計測タイミングにおける消費電力が異なり、その結果として、センサＳ毎にバッテリ残量の時系列変化に違いが生じていることがわかる。

図６は、異なる３つの予測期間（上から順に、９月、６月、１月）のワイヤレスセンサネットワーク全体の消費電力量を繰り返し算出したときの度数分布の一例を示した図である。図６の各図とも、横軸を消費電力量、縦軸を度数として、ワイヤレスセンサネットワーク１全体の消費電力量の分布を示している。同一の予測期間について、消費電力の予測を繰り返し行って、各回の予測における予測期間に亘る全てのセンサＳの消費電力量の合計を、ワイヤレスセンサネットワーク１全体の消費電力量として算出した。

各センサＳの計測頻度は雨量によって変更される。このため、例えば、台風の影響が大きい９月は、雨量が多くなるタイミングが多くなることから消費電力量が大きい。しかし、到来する台風の数によって雨量が大きく変化するため、各予測における消費電力量のばらつきが大きくなっている。また、梅雨である６月は、雨量が多いことから消費電力量は１月に比べて大きいが、台風シーズンの９月と比較すると、一時に雨量が多量となることは少ないことから消費電力量は小さい。また、雨量が少ない１月は、計測頻度として長い周期が設定される場合が多くなるために消費電力量が少なく、また、雨量が多くなるタイミングも少ないために消費電力量のばらつきが小さい。

以上説明した通り、予測期間における消費電力の算出を、予測期間に対応する過去の気象データに基づくことで、予測期間の気象を高い蓋然性で予測することができるため、予測期間における計測頻度の設定変更の予見性が向上し、消費電力を高精度に予測することが可能となることが分かる。

また、予測期間に対応する過去の気象データに基づく確率密度関数を用いて気象状況（本実施形態の場合、雨量）を繰り返し予測するため、同一の予測期間であっても、毎回、予測される気象状況が異なることから、予測される消費電力も異なる。これにより、同一の予測期間についての消費電力の予測を複数回繰り返し行うことで、予測された各回の消費電力に対する統計演算によって、この予測期間の消費電力の最大値や最小値、平均値、中央値などを推測するといったことが可能となる。

［構成］
図７は、消費電力予測装置１０の機能構成図である。図７によれば、消費電力予測装置１０は、操作入力部１０２と、表示部１０４と、音声出力部１０６と、通信部１０８と、処理部２００と、記憶部３００とを備えて構成されるコンピュータシステムである。

操作入力部１０２は、例えばキーボードやマウス、タッチパネル、各種スイッチ等の入力装置で実現され、なされた操作入力に応じた操作信号を処理部２００に出力する。表示部１０４は、例えば液晶ディスプレイ等の表示装置で実現され、処理部２００からの表示信号に基づく各種表示を行う。音声出力部１０６は、例えばスピーカ等の音出力装置で実現され、処理部２００からの音声信号に基づく各種音声出力を行う。通信部１０８は、例えば無線通信モジュールやルータ、モデム、有線用の通信ケーブルのジャックや制御回路等で実現される通信装置であり、外部装置とのデータ通信を行う。

処理部２００は、ＣＰＵ（Central Processing Unit）やＦＰＧＡ（Field Programmable Gate Array）等の演算装置や演算回路で実現され、記憶部３００に記憶されたプログラムやデータ、各センサの計測データ等にもとづいて、消費電力予測装置１０の全体制御を行う。また、処理部２００は、機能的な処理ブロックとして、予測期間設定部２０２と、頻度変更予測部２０４と、ＷＳＮ動作予測部２０６と、消費電力算出部２０８と、発電出力予測部２１０と、バッテリ残量予測部２１２と、を有する。予測期間設定部２０２、頻度変更予測部２０４、ＷＳＮ動作予測部２０６、消費電力算出部２０８、発電出力予測部２１０、及び、バッテリ残量予測部２１２は、処理部２００がプログラムを実行することでソフトウェア的に実現することも、専用の演算回路で実現することも可能である。本実施形態では前者のソフトウェア的に実現することとして説明する。

処理部２００は、消費電力予測プログラム３０２に従った消費電力予測処理（図１０参照）を実行することで、所与のワイヤレスセンサネットワーク１に対する消費電力を予測する。すなわち、予測時刻それぞれについて、雨量の予測値に基づいて計測頻度を決定し、決定した計測頻度に従って各センサＳの動作を予測することで、予測期間における各予測時刻での各センサＳの消費電力を予測する。

ここで、消費電力の予測対象となるワイヤレスセンサネットワーク１を構成するセンサＳや集約装置Ｇの数や種類、性能、監視対象物に対する配置位置といったデータは、ＷＳＮ構成データ３０４として記憶されている。

予測期間設定部２０２は、例えば、操作入力部１０２を介した入力指示に従って、ワイヤレスセンサネットワーク１に対して消費電力の予測を行う予測期間を設定する。

頻度変更予測部２０４は、予測期間における気象状況の予測値を算出し、ワイヤレスセンサネットワーク１に対する計測頻度の設定変更を予測する。すなわち、予測時刻それぞれについて、雨量データ３０６に基づく確率演算によって雨量の予測値を算出し、算出した雨量の予測値に基づいて計測頻度を判定する。つまり、雨量の予測値が所定の頻度変更閾値を超えていないならば、計測周期を第１周期Ｔ１と判定し、超えているならば、計測周期を第２周期Ｔ２と判定する。

雨量データ３０６は、過去の雨量の観測値に関するデータであり、例えば一時間といった単位時間当たりの雨量の観測値を月単位といった所定の単位期間別に纏めたデータと、各単位期間における雨量の観測値が正規分布に従うと仮定して求めた、その単位期間の雨量（観測値）の平均値及μ及び標準偏差σとを含んでいる。平均値及μ及び標準偏差σは、確率密度関数を定義するパラメータであるため、確率密度関数のデータということができる。

頻度変更予測部２０４は、予測期間に対応する過去の気象データに基づいて、予測期間中に計測頻度が設定変更されるスケジュールを予測する。具体的には、予測期間に対応する過去の気象データに基づいて気象状況を予測するために定められた確率密度関数（図２、式１参照）を用いて、予測期間中の各計測時刻の気象状況（本実施形態では雨量）を予測する。そして、予測した気象状況に基づいて各センサＳの計測頻度（計測周期）の設定変更を予測時刻それぞれにおいて判定することで計測頻度の設定変更のスケジュールを予測する。確率密度関数は、雨量データ３０６のうち、予測時刻が含まれる単位期間の雨量の観測値の平均値μ及び標準偏差σを用いて定義される。

ＷＳＮ動作予測部２０６は、設定変更された計測頻度に従って、ワイヤレスセンサネットワーク１における各センサＳの動作を予測する。すなわち、予測時刻それぞれについて、設定された計測頻度に基づき、センサＳによる計測を行うかを判断する。つまり、前回の計測からの経過時間が当該予測時刻の計測周期に達している場合に、計測を行うと判断する。

そして、計測を行うと判断した場合には、各センサＳについて、計測動作を行って得られた計測データを集約装置Ｇへ送信する際の送信経路を予測することで、計測動作や送信動作、受信動作といった各動作の実行回数を予測する。送信経路を予測する際には、送信の失敗確率を表すパケットロス率を用いた所定の確率演算によって送信の成否を決定し、送信を失敗した場合には、成功するまで送信を繰り返し、同一のセンサへの送信失敗の連続回数が所定の再試行上限回数に達すると、送信先を変更するように予測する。

ここで、送信経路の予測に用いるパケットロス率や再試行上限回数は、無線通信条件データ３１０として記憶されている。

また、予測した各センサＳの動作は、ＷＳＮ動作履歴データ３２０として蓄積記憶される。図８は、ＷＳＮ動作履歴データ３２０のデータ構成の一例を示す図である。図８によれば、ＷＳＮ動作履歴データ３２０は、ワイヤレスセンサネットワーク１を構成するセンサ別に、センサＩＤとともに、予測時刻と、実行した動作とを対応付けて格納している。

消費電力算出部２０８は、予測された動作に基づいて、各センサＳの消費電力を予測する。すなわち、予測時刻それぞれについて、センサＳ別に、予測された計測動作、送信動作、受信動作、及び、待機動作の各動作に要する消費電力の合計を算出する。つまり、計測動作、送信動作、及び、受信動作については、予め定められた１回の実行に要する基準消費電力と、予測した動作回数との積を、当該動作に要する消費電力とする。また、待機動作については、予め定められた単位時間当たりの基準消費電力と待機時間（直前の計測タイミング（計測時刻）から予測対象の計測タイミング（計測時刻）までの時間）との積を、待機動作の消費電力として算出する。

ここで、各動作の基準消費電力は、基準消費電力データ３１６として記憶されている。基準消費電力データ３１６は、計測動作、送信動作、受信動作については、１回の動作の実行に要する基準消費電力を格納し、待機動作については、単位期間当たりの消費電力を基準消費電力として格納している。

発電出力予測部２１０は、各センサＳの発電電力を予測する。すなわち、予測時刻それぞれについて、日照量データ３０８に基づく確率演算を行って日照量の予測値を算出し、算出した日照量の予測値と、センサＳに内蔵されるソーラーセルの発電性能とをもとに、当該時刻の発電電力を算出する。

日照量データ３０８は、過去の日照量の観測値に関するデータであり、例えば一時間といった単位時間当たりの日照量の観測値を、月単位といった単位期間、及び、昼間や夜間といった時間帯の組み合わせ別に纏めたデータと、各組み合わせに対応する日照量の観測値が正規分布に従うとして仮定して求めた平均値μ及び標準偏差σとを含んでいる。

発電出力予測部２１０は、所定の自然エネルギーの源となる自然事象（本実施形態では日射量）の過去データのうち、予測期間に対応するデータに基づいて、予測期間中の発電出力を予測する。具体的には、予測期間に対応する過去データに基づいて日射量を予測するために定められた確率密度関数を用いて、予測期間中の各計測時刻の日射量を予測する。そして、予測した日射量とセンサＳの発電性能とに基づいて各センサＳにおける発電出力を予測する。日射量に係る確率密度関数は、日照量データ３０８のうち、予測時刻に対応する単位期間及び時間帯の組み合わせの平均値μ及び標準偏差σを用いて定義される。

ソーラーセルの発電性能については、発電性能データ３１８として記憶されている。この発電性能は、全てのセンサＳについて同一としても良いし、配置位置等に応じてセンサＳ毎に異なることとしても良い。

バッテリ残量予測部２１２は、各センサＳのバッテリ残量を予測する。すなわち、センサＳそれぞれについて、予測期間の開始時刻におけるバッテリ残量を所定の初期残量とし、開始時刻から順に、予測時刻それぞれについて、前回の予測時刻におけるバッテリ残量から、今回の予測時刻における消費電力を減算し、更に、今回の予測時刻における発電電力の全部或いは所定係数を乗算した一部を充電電力として加算して、今回の予測時刻におけるバッテリ残量を算出する。

各センサＳについて予測された電力に係るデータは、ＷＳＮ電力履歴データ３２２として蓄積記憶される。図９は、ＷＳＮ電力履歴データ３２２のデータ構成例である。図９によれば、ＷＳＮ電力履歴データ３２２は、ワイヤレスセンサネットワーク１を構成するセンサＳ別に、センサＩＤとともに、予測時刻と、消費電力と、発電電力と、バッテリ残量とを対応付けて格納している。

記憶部３００は、ＲＯＭやＲＡＭ等のＩＣメモリや、ハードディスク等の記憶装置で実現され、処理部２００が消費電力予測装置１０を統合的に制御するためのプログラムやデータ等を記憶しているとともに、処理部２００の作業領域として用いられ、処理部２００が実行した演算結果や、通信部１０８からの受信データ等が一時的に格納される。また、記憶部３００には、消費電力予測プログラム３０２と、ＷＳＮ構成データ３０４と、雨量データ３０６と、日照量データ３０８と、無線通信条件データ３１０と、計測周期データ３１２と、頻度変更閾値データ３１４と、基準消費電力データ３１６と、発電性能データ３１８と、ＷＳＮ動作履歴データ３２０と、ＷＳＮ電力履歴データ３２２と、が記憶される。

［処理の流れ］
図１０は、消費電力算出処理の流れを説明するフローチャートである。この処理は、処理部２００が消費電力予測プログラム３０２に従って実行する処理である。このフローチャートにおいては、計測周期である第１周期Ｔ１を第２周期Ｔ２の整数倍とし、予測時刻が第２周期Ｔ２の間隔で到来することとする。

消費電力予測処理では、先ず、予測期間設定部２０２が、例えば、操作入力部１０２からの入力指示に従って、ワイヤレスセンサネットワーク１に対する消費電力の予測期間を設定する（ステップＡ１）。次いで、予測期間の開始時刻ｔ０から第２周期Ｔ２だけ経過した時刻を、予測時刻として初期設定する（ステップＡ３）。

続いて、頻度変更予測部２０４が、過去の雨量の観測値である雨量データ３０６に基づく確率演算を行って、予測時刻における雨量の予測値を算出し（ステップＡ５）、算出した雨量の予測値を、頻度変更閾値と比較する。雨量の予測値が閾値を超えているならば（ステップＡ７：ＹＥＳ）、第２周期Ｔ２の計測頻度での計測タイミングであるので、閾値未満継続期間をゼロとする（ステップＡ９）。閾値未満継続期間とは、前回の計測タイミングを起点として、雨量の予測値が頻度変更閾値未満である状態の継続期間である。そして、ＷＳＮ動作予測部２０６が、各センサＳの動作を、計測を行って計測データを集約装置へ送信するとして予測する（ステップＡ１１）。

一方、雨量の予測値が頻度変更閾値を超えないならば（ステップＡ７：ＮＯ）、閾値未満継続期間を、第２周期Ｔ２だけ加算した期間に更新する（ステップＡ１３）、そして更新後の閾値未満継続期間が第１周期Ｔ１に達しているならば（ステップＡ１５：ＹＥＳ）、第１周期Ｔ１の計測頻度での計測タイミングであるので、閾値未満継続期間をゼロとする（ステップＡ９）。次いで、ＷＳＮ動作予測部２０６が、各センサＳの動作を、計測を行って計測データを集約装置へ送信するとして予測する（ステップＡ１１）。更新後の閾値未満継続期間が第１周期Ｔ１に達していないならば（ステップＡ１５：ＮＯ）、ステップＡ１９へと処理を移行する。

ステップＡ１１の後、或いはステップＡ１５でＮＯと判定された後、消費電力算出部２０８が、各センサＳについて、予測した動作に基づき、予測時刻における消費電力を算出する（ステップＡ１９）。また、発電出力予測部２１０が、過去の日照量の観測値である日照量データに基づく確率演算を行って、予測時刻における日照量の予測値を算出し（ステップＡ２１）、この日照量の予測値に基づいて、予測時刻における発電電力を算出する（ステップＡ２３）。次いで、バッテリ残量予測部２１２が、各センサＳについて、予測した消費電力、及び、発電電力をもとに、予測時刻におけるバッテリ残量を算出する（ステップＡ２５）。

そして、予測時刻が予測期間の終了時刻に達していないならば（ステップＡ２７：ＮＯ）、予測時刻を、第２周期Ｔ２だけ進めた時刻に更新した後（ステップＡ２９）、ステップＡ５に戻り、同様の処理を行う。一方、予測時刻が予測期間の終了時刻に達しているならば（ステップＡ２７：ＹＥＳ）、例えば、算出した各センサＳのバッテリ残量を、グラフ形式（図５参照）や表形式で時系列に表示するといったように、算出した消費電力の表示を行う（ステップＡ３１）。以上の処理を行うと、消費電力予測処理は終了となる。

［作用効果］
本実施形態によれば、気象状況に応じて計測頻度を変更するワイヤレスセンサネットワーク１において、消費電力の予測を高精度に実現し得る。すなわち、予測期間に対応する過去の雨量の観測値である雨量データに基づく確率演算によって、予測期間における各予測時刻の雨量の予測値を算出し、この雨量の予測値に基づいて計測頻度の設定変更を予測する。そして、予測した計測頻度に従った各センサＳの動作シミュレーションを行うことで、予測期間中の各センサＳの消費電力を算出する。予測期間に対応する過去の気象データに基づくことで、予測期間の気象（本実施形態の場合、雨量）を高い蓋然性で予測することができるため、予測期間における計測頻度の設定変更の予見性が向上し、消費電力を高精度に予測することが可能となる。

なお、本発明の適用可能な実施形態は上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。

（Ａ）計測頻度
上述の実施形態では、雨量の予測値が所定の閾値を超えるか否かに応じて、計測周期を、２種類の計測周期Ｔ１，Ｔ２の何れかに設定することとしたが、２つ以上の閾値を設定し、３種類以上の計測周期に段階的に変更するようにしても良い。また、計測周期を切り替えるように設定変更するのではなく、雨量の予測値の増加に伴って計測頻度が徐々に高くなるようにアナログ的に無段階に設定変更可能しても良い。但しこの場合、計測頻度（計測周期）に上限値及び下限値を設けておくことが望ましい。

（Ｂ）バッテリ残量
バッテリ残量予測部２１２は、センサＳ別に時系列に予測したバッテリ残量が、予め定めた低レベル状態（例えば、容量の１０％）まで減少したバッテリＳおよびその低レベル状態に至った予測時刻（タイミング）を求め、例えば図５に示したグラフに重ねて表示出力するようにしても良い。

（Ｃ）計測頻度の変更
また、上述の実施形態では、予測時刻毎に、当該予測時刻１回分の雨量の予測値に基づいて当該予測時刻の計測頻度を判定することとしたが、当該予測時刻から従前の複数回の予測時刻それぞれの雨量の予測値の合計に基づいて計測頻度を変更することとしても良い。この場合、累積雨量に基づいて計測周期を設定変更することができる。

（Ｄ）気象状況
また、上述の実施形態では、気象状況を雨量とし、雨量の予測値に応じて計測頻度を変更することとしたが、他の気象状況にも同様に適用可能である。例えば、気温や風力、降雪などである。また、例えば、監視対象物が橋梁の場合には、河川の水位といった気象状況に基づいて、センサの計測頻度を変更することとしても良い。

（Ｅ）発電手段
また、センサに搭載される発電手段を、太陽光発電によるソーラーセルとしたが、例えば風力発電や振動発電といった、他の自然エネルギーを用いる発電手段としても良い。

１ ワイヤレスセンサネットワーク
Ｓ センサ、Ｇ 集約装置
１０ 消費電力予測装置
１０２ 操作入力部、１０４ 表示部、１０６ 音声出力部、１０８ 通信部
２００ 処理部
２０２ 予測期間設定部、２０４ 頻度変更予測部
２０６ ＷＳＮ動作予測部、２０８ 消費電力算出部
２１０ 発電出力予測部、２１２ バッテリ残量予測部
３００ 記憶部
３０２ 消費電力予測プログラム、３０４ ＷＳＮ構成データ
３０６ 雨量データ、３０８ 日照量データ
３１０ 無線通信条件データ、３１２ 計測周期データ
３１４ 頻度変更閾値データ
３１６ 基準消費電力データ、３１８ 発電性能データ
３２０ ＷＳＮ動作履歴データ、３２３ ＷＳＮ電力履歴データ

Claims (7)

1. バッテリを有して気象状況に応じて計測頻度を設定変更するセンサを監視対象物に複数分散配置し、各センサが計測値を送信又は中継することで集約装置に転送するワイヤレスセンサネットワークにおける消費電力の予測計算をコンピュータに行わせるためのプログラムであって、
   消費電力の予測期間を設定する予測期間設定手段、
   前記予測期間に対応する過去の気象データに基づいて、前記予測期間中に前記計測頻度が設定変更されるスケジュールを予測する設定変更予測手段、
   前記スケジュールに従った計測頻度に基づいて前記センサそれぞれが計測動作を行い、計測値の送信および受信を行って前記集約装置に転送する各センサの動作シミュレーションを行う動作シミュレーション手段、
   前記動作シミュレーションに基づいて、各センサの消費電力を算出する消費電力算出手段、
   として前記コンピュータを機能させるためのプログラム。
2. 前記消費電力算出手段により算出された消費電力に基づいて、前記バッテリの残量が所定の低レベル状態に達するセンサおよびそのタイミングを予測するバッテリ残量予測手段、
   として前記コンピュータを更に機能させるための請求項１に記載のプログラム。
3. 前記センサは、所定の自然エネルギーを電気に変換して前記バッテリに蓄積させる発電手段を有しており、
   前記所定の自然エネルギーの源となる自然事象の過去データのうち、前記予測期間に対応するデータに基づいて、前記予測期間中の前記発電手段の発電出力を予測する発電出力予測手段、
   として前記コンピュータを更に機能させ、
   前記バッテリ残量予測手段は、前記発電出力予測手段により予測された発電出力と、前記消費電力算出手段により算出された消費電力とに基づいて、前記バッテリの残量変化を予測する、
   請求項２に記載のプログラム。
4. 前記設定変更予測手段は、前記予測期間に対応する過去の気象データに基づいて前記予測期間中の気象状況を所与の時間間隔で予測し、当該予測した気象状況に基づいて前記計測頻度の設定変更を判定することで前記スケジュールを予測する、
   請求項１〜３の何れか一項に記載のプログラム。
5. 前記設定変更予測手段は、前記予測期間に対応する過去の気象データに基づいて気象状況を予測するために定められた確率密度関数を用いて、前記予測期間中の気象状況を予測する、
   請求項４に記載のプログラム。
6. 前記動作シミュレーション手段は、センサ間それぞれの前記計測値の通信成否を確率演算を用いて毎回決定し、同一のセンサ間の連続通信を所定の再試行上限回数までとして転送ルートを可変とする動作シミュレーションを行う、
   請求項１〜５の何れか一項に記載のプログラム。
7. バッテリを有して気象状況に応じて計測頻度を設定変更するセンサを監視対象物に複数分散配置し、各センサが計測値を送信又は中継することで集約装置に転送するワイヤレスセンサネットワークにおける消費電力を予測する消費電力予測装置であって、
   消費電力の予測期間を設定する予測期間設定手段と、
   前記予測期間に対応する過去の気象データに基づいて、前記予測期間中に前記計測頻度が設定変更されるスケジュールを予測する設定変更予測手段、
   前記スケジュールに従った計測頻度に基づいて前記センサそれぞれが計測動作を行い、計測値の送信および受信を行って前記集約装置に転送する各センサの動作シミュレーションを行う動作シミュレーション手段と、
   前記動作シミュレーションに基づいて、各センサの消費電力を算出する消費電力算出手段と、
   を備えた消費電力予測装置。

Images