JP6770717B2 - メタデータ生成装置、メタデータ生成方法及びメタデータ生成プログラム - Google Patents

Description

本発明は、メタデータ生成装置、メタデータ生成方法及びメタデータ生成プログラムに関する。

近年、ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）と呼ばれる技術が発展している。ＩｏＴは、世の中に存在する様々な物に関する情報を通信ネットワーク上で組み合わせることで新しい価値を生む技術である。ＩｏＴから価値を生み出すためには、物の状態をセンサにより読み取り、センシングデータを流通させる必要がある。

センシングデータを流通させる仕組みに関し、特許文献１には、センシングデータを出力するセンサに関する情報であるセンサ側メタデータと、センシングデータを利用してサービスを提供するアプリケーションに関する情報であるアプリ側メタデータをマッチングして、マッチングされたセンサとアプリケーションとを特定したデータフロー制御指令を送信するデータフロー制御指令発生装置が記載されている。

特許第５４４５７２２号

特許文献１に記載のように、メタデータを用いることで、センサとアプリケーションのマッチングを円滑に行うことができる。ここで、メタデータは、ユーザによって個別に生成される場合があった。

しかしながら、センシングデータは今後ますます増加する見通しであり、ユーザが個別にメタデータを生成すると、作業量が膨大となるばかりでなく、ユーザ間でメタデータの生成規則にずれが生じたり、同一ユーザの場合であってもメタデータの生成規則が変動したりして、メタデータの統一性の確保が難しくなり、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が増大することが想定される。また、コンピュータによってメタデータの生成を行う場合であっても、センシングデータの多様性に応じてコンピュータの演算負荷が増大することが想定される。

そこで、本発明は、演算負荷を軽減してセンサのメタデータを生成することができるメタデータ生成装置、メタデータ生成方法及びメタデータ生成プログラムを提供することを目的とする。

本発明の一態様に係るメタデータ生成装置は、複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習された、学習済みの学習モジュールを用いて、複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、学習モジュールから出力データを出力させるように学習結果利用装置に依頼する利用依頼部と、出力データに基づいて、入力データを１又は複数のクラスタのうち少なくともいずれかに属するように分類する分類部と、入力データの属するクラスタを代表する学習用データの属性情報に基づいて、入力データとされたセンシングデータを出力したセンサのメタデータを生成するメタデータ生成部と、を備える。

この態様によれば、学習用データのクラスタのうち入力データの属するクラスタを代表する学習用データの属性情報に基づいてセンサのメタデータを生成することで、新たなセンシングデータを入力データとした場合であっても、メタデータの生成に要する演算負荷が低く抑えられる。また、メタデータの統一性が確保されるため、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

上記態様において、複数のセンサのうち少なくともいずれかは、複数のサブセンサによって構成されてもよい。

この態様によれば、複数のサブセンサがひとまとまりとなって一単位のセンサとして機能する場合に、一単位のセンサに対してメタデータを統一的に生成することができる。そのため、複数のサブセンサそれぞれに対してアプリケーションのマッチングを行う必要が無くなり、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

上記態様において、学習用データに基づいて、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置に依頼する学習依頼部をさらに備え、メタデータ生成部は、１又は複数のクラスタのうちいずれかを代表する学習用データを選出し、選出された学習用データの属性情報に基づいて、学習用データとされたセンシングデータを出力したセンサのメタデータを生成してもよい。

この態様によれば、学習用データをクラスタに分類し、クラスタを代表する学習用データの属性情報に基づいてセンサのメタデータを生成することで、大量のセンシングデータに対してメタデータを統一的に生成することができる。メタデータの統一性が確保されることで、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

上記態様において、学習依頼部は、教師無し学習によって、学習用データに基づいて、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置に依頼してもよい。

この態様によれば、学習用データを学習用モジュールによって自律的に分類することができ、より客観性の高い分類に基づいてメタデータを生成することができる。また、教師データを用意する必要が無いため、教師データを生成したり収集したりするための処理負荷や通信負荷が発生せず、教師データを記憶するための記憶容量を確保する必要が無くなる。

上記態様において、学習依頼部は、学習用データの属性情報を含む教師データを用いた教師有り学習によって、学習用データに基づいて、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置に依頼してもよい。

この態様によれば、既存の属性情報を考慮して学習用データを分類することができ、既存の情報を広く活用してメタデータを生成することができる。また、学習モジュールからの出力データに対して意味付けを行う必要が無いため、出力データの解釈のために演算や通信を行う必要が無く、処理負荷や通信負荷が抑制される。

上記態様において、複数のセンサは、特定の場所に設置されたセンサであり、学習用データの属性情報は、特定の場所に関する情報を含んでよい。

この態様によれば、様々な場所に設置されたセンサに対して、設置場所の属性という観点からメタデータを統一的に生成することができ、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

上記態様において、センシングデータは、特定の場所における車両の交通量に関するデータであってよい。

この態様によれば、様々な場所に設置された交通量センサに対して、車両の交通量の特徴という観点からメタデータを統一的に生成することができ、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

本発明の一態様に係るメタデータ生成方法は、複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習された、学習済みの学習モジュールを用いて、複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、学習モジュールから出力データを出力させるように学習結果利用装置に依頼するステップと、出力データに基づいて、入力データを１又は複数のクラスタのうち少なくともいずれかに属するように分類するステップと、入力データの属するクラスタを代表する学習用データの属性情報に基づいて、入力データとされたセンシングデータを出力したセンサのメタデータを生成するステップと、を含む。

この態様によれば、学習用データのクラスタのうち入力データの属するクラスタを代表する学習用データの属性情報に基づいてセンサのメタデータを生成することで、新たなセンシングデータを入力データとした場合であっても、メタデータの生成に要する演算負荷が低く抑えられる。また、メタデータの統一性が確保されるため、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

本発明の一態様に係るメタデータ生成プログラムは、コンピュータを、複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習された、学習済みの学習モジュールを用いて、複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、学習モジュールから出力データを出力させるように学習結果利用装置に依頼する利用依頼部と、出力データに基づいて、入力データを１又は複数のクラスタのうち少なくともいずれかに属するように分類する分類部と、入力データの属するクラスタを代表する学習用データの属性情報に基づいて、入力データとされたセンシングデータを出力したセンサのメタデータを生成するメタデータ生成部と、として機能させる。

この態様によれば、学習用データのクラスタのうち入力データの属するクラスタを代表する学習用データの属性情報に基づいてセンサのメタデータを生成することで、新たなセンシングデータを入力データとした場合であっても、メタデータの生成に要する演算負荷が低く抑えられる。また、メタデータの統一性が確保されるため、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

本発明によれば、演算負荷を軽減してセンサのメタデータを生成することができるメタデータ生成装置、メタデータ生成方法及びメタデータ生成プログラムが提供される。

本発明の実施形態に係るメタデータ生成装置のネットワーク構成を示す図である。 本発明の実施形態に係るメタデータ生成装置の物理的構成を示す図である。 本発明の実施形態に係るメタデータ生成装置の機能ブロック図である。 本発明の実施形態に係るメタデータ生成装置から学習依頼を受ける学習装置の機能ブロック図である。 本発明の実施形態に係るメタデータ生成装置から利用依頼を受ける学習結果利用装置の機能ブロック図である。 本発明の実施形態に係るメタデータ生成装置によって実行される第１処理のフローチャートである。 本発明の実施形態に係るメタデータ生成装置によって実行される第２処理のフローチャートである。

添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

図１は、本発明の実施形態に係るメタデータ生成装置１０のネットワーク構成を示す図である。本実施形態に係るメタデータ生成装置１０は、通信ネットワークＮに接続され、通信ネットワークＮを介して、１又は複数のセンサ２０、学習装置３０、学習結果利用装置４０及びセンシングデータ記憶部ＤＢに接続される。通信ネットワークＮは、有線又は無線回線により構成された有線通信網及び無線通信網のいずれであってもよく、インターネットやＬＡＮ（Local Area Network）であってよい。

センサ２０は、物理量を検出する物理量センサ及び情報を検出する情報センサのいずれであってもよい。物理量センサは、例えば光を検出して画像データや動画データを出力するカメラや、音を検出して音声データを出力するマイクや、車両の通過を検出して、車両の通過台数を経過時間とともに示す交通量データを出力する通行センサを含み、その他任意の物理量を検出して電気的信号を出力するセンサを含む。情報センサは、例えば統計データから特定のパターンを検出するセンサを含み、その他任意の情報を検出するセンサを含む。

センサ２０は、複数のサブセンサによって構成されるものであってもよい。例えば、車両の通過を検出して、車両の通過台数を経過時間とともに示す交通量データを出力する通行センサは、車両の通過を検出するサブセンサと、時間を測定するサブセンサと、から構成されてもよい。本明細書では、複数のサブセンサがひとまとまりとなって所定の機能を発揮するサブセンサ群を、単にセンサと称する。

学習装置３０は、メタデータ生成装置１０からの学習依頼に基づいて、学習モジュールの学習を制御する。ここで、学習モジュールは、入力された入力データを１又は複数のクラスタに分類するように学習される分類器であり、例えばニューラルネットワークであってよい。本実施形態に係るメタデータ生成装置１０は、センサ２０から出力されたセンシングデータを含む学習用データに基づいて、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置３０に依頼する。

学習結果利用装置４０は、メタデータ生成装置１０からの利用依頼に基づいて、学習済みの学習モジュールに対するデータの入出力を制御する。本実施形態に係るメタデータ生成装置１０は、複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習された、学習済みの学習モジュールを用いて、複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、学習モジュールから出力データを出力させるように学習結果利用装置４０に依頼する。

センシングデータ記憶部ＤＢは、センサ２０によって出力されたセンシングデータを記憶する。同図では、センシングデータ記憶部ＤＢを単一の記憶部として示しているが、センシングデータ記憶部ＤＢは、１又は複数のファイルサーバによって構成されてよい。

図２は、本発明の実施形態に係るメタデータ生成装置１０の物理的構成を示す図である。メタデータ生成装置１０は、ハードウェアプロセッサに相当するＣＰＵ（Central Processing Unit）１０ａと、メモリに相当するＲＡＭ（Random Access Memory）１０ｂと、メモリに相当するＲＯＭ（Read only Memory）１０ｃと、通信インタフェース１０ｄと、入力部１０ｅと、表示部１０ｆとを有する。これら各構成は、バスを介して相互にデータ送受信可能に接続される。

ＣＰＵ１０ａは、ＲＡＭ１０ｂ又はＲＯＭ１０ｃに記憶されたプログラムの実行やデータの演算、加工を行う。ＣＰＵ１０ａは、メタデータを生成するためのアプリケーションを実行する演算装置である。ＣＰＵ１０ａは、入力部１０ｅや通信インタフェース１０ｄから種々の入力データを受け取り、入力データの演算結果を表示部１０ｆに表示したり、ＲＡＭ１０ｂやＲＯＭ１０ｃに格納したりする。

ＲＡＭ１０ｂは、データの書き換えが可能な記憶部であり、例えば半導体記憶素子で構成される。ＲＡＭ１０ｂは、ＣＰＵ１０ａが実行するアプリケーション等のプログラムやデータを記憶する。

ＲＯＭ１０ｃは、データの読み出しのみが可能な記憶部であり、例えば半導体記憶素子で構成される。ＲＯＭ１０ｃは、例えばファームウェア等のプログラムやデータを記憶する。

通信インタフェース１０ｄは、メタデータ生成装置１０を通信ネットワークＮに接続するハードウェアインタフェースである。

入力部１０ｅは、ユーザからデータの入力を受け付けるものであり、例えば、キーボードやマウス、タッチパネルで構成される。

表示部１０ｆは、ＣＰＵ１０ａによる演算結果を視覚的に表示するものであり、例えば、ＬＣＤ（Liquid Crystal Display）により構成される。

メタデータ生成装置１０は、一般のパーソナルコンピュータのＣＰＵ１０ａによって本実施形態に係るメタデータ生成プログラムを実行することで構成されてよい。メタデータ生成プログラムは、ＲＡＭ１０ｂやＲＯＭ１０ｃ等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信インタフェース１０ｄにより接続される通信ネットワークＮを介して提供されてもよい。

なお、これらの物理的な構成は例示であって、必ずしも独立した構成でなくてもよい。例えば、メタデータ生成装置１０は、ＣＰＵ１０ａとＲＡＭ１０ｂやＲＯＭ１０ｃが一体化したＬＳＩ（Large-Scale Integration）を備えてもよい。

図３は、本発明の実施形態に係るメタデータ生成装置１０の機能ブロック図である。メタデータ生成装置１０は、通信部１１、制御部１２、学習依頼部１３、利用依頼部１４、分類部１５及びメタデータ生成部１６を備える。なお、同図に示す機能ブロックは、メタデータ生成装置１０の備える物理的構成を用いて発揮される機能を表すものであり、必ずしも物理的な構成と一対一に対応するものではない。

通信部１１は、外部の通信ネットワークＮに接続され、データの送受信を行う。制御部１２は、メタデータ生成装置１０によって実行される処理を制御する。

学習依頼部１３は、複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データに基づいて、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置３０に依頼する。学習依頼部１３は、教師無し学習によって、学習用データに基づいて、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置３０に依頼してもよいし、学習用データの属性情報を含む教師データを用いた教師有り学習によって、学習用データに基づいて、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置３０に依頼してもよい。学習装置３０に対する依頼は、学習用データの指定、学習モジュールの指定、教師有り学習又は教師無し学習の指定、教師有り学習を指定する場合には教師データの指定及び学習モジュールの学習に対する制限時間の指定を含んでよい。

利用依頼部１４は、学習装置３０によって学習済みの学習モジュールを用いて、複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、学習モジュールから出力データを出力させるように学習結果利用装置４０に依頼する。学習結果利用装置４０に対する依頼は、入力データの指定及び学習済みの学習モジュールの指定を含んでよい。

分類部１５は、学習結果利用装置４０により得られた学習モジュールからの出力データに基づいて、入力データを、学習用データの１又は複数のクラスタのうち少なくともいずれかに属するように分類する。学習装置３０によって学習用データをクラスタに分類するように学習モジュールが学習された結果、学習用データがＮ個のクラスタに分類された場合、学習結果利用装置４０は、学習装置３０によって学習済みの学習モジュールを用いて、新たなセンシングデータを含む入力データに対する出力データを出力させる。出力データは、学習用データのＮ個のクラスタに対する入力データの帰属度を含んでよく、帰属度は、例えば０から１までの数値で表されるものであってよい。ここで、帰属度は、Ｎ個のクラスタに関して独立に与えられるものであってもよいし、帰属度の合計が１となるように制限されていてもよい。分類部１５は、出力データに含まれる帰属度に基づいて、入力データを、Ｎ個のクラスタのうち少なくともいずれかに属するように分類してもよい。ここで、分類部１５は、帰属度が閾値以上であるクラスタに入力データが属すると分類してもよいし、帰属度が最も大きいクラスタに入力データが属すると分類してもよい。分類部１５は、入力データが１つのクラスタに属すると分類してもよいし、複数のクラスタに属すると分類してもよい。入力データが複数のクラスタに属すると分類する場合、帰属度に応じた割合で入力データが複数のクラスタに属すると分類してもよい。

メタデータ生成部１６は、学習用データの１又は複数のクラスタのうちいずれかを代表する学習用データを選出し、選出された学習用データの属性情報に基づいて、学習用データとされたセンシングデータを出力したセンサのメタデータを生成する。ここで、学習用データの属性情報は、学習用データの特徴を示す情報であり、センサが測定する物理量の種類、センサの種類、データの種類を含んでよい。例えば、学習用データがＮ個のクラスタに分類された場合、メタデータ生成部１６は、特定のクラスタに属する学習用データのうち当該クラスタへの帰属度が最も大きい学習用データを、当該クラスタを代表する学習用データとして選出してよい。

また、メタデータ生成部１６は、分類部１５によって、学習用データの１又は複数のクラスタのいずれかに属するように入力データが分類された後、入力データの属するクラスタを代表する学習用データの属性情報に基づいて、入力データとされたセンシングデータを出力したセンサのメタデータを生成する。例えば、入力データが１つのクラスタに属するように分類された場合、メタデータ生成部１６は、当該１つのクラスタを代表する学習用データの属性情報に基づいて、センサのメタデータを生成してよいし、入力データが複数のクラスタに属するように分類された場合、メタデータ生成部１６は、当該複数のクラスタそれぞれを代表する学習用データの属性情報に基づいて、センサのメタデータを生成してもよい。複数のクラスタそれぞれを代表する学習用データの属性情報に基づいて、センサのメタデータを生成する場合、メタデータは、複数のクラスタへの帰属度に関するデータを含んでもよい。

センシングデータを出力する複数のセンサは、特定の場所に設置されたセンサであってよく、学習用データの属性情報は、特定の場所に関する情報を含んでよい。例えば、複数のセンサは、複数の市町村の特定の場所に設置された雨量センサや温度センサであってよく、学習用データは、各市町村の天候に関するデータであってよく、学習用データの属性情報は、センサが設置された市町村の特定の場所に関する情報を含んでよい。このような場合、メタデータ生成部１６は、入力データの属するクラスタを代表する特定の場所に関する情報に基づいて、入力データとされたセンシングデータを出力したセンサのメタデータを生成する。これにより、様々な場所に設置されたセンサに対して、設置場所の属性という観点からメタデータを統一的に生成することができ、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。なお、センサが設置される特定の場所は、公的な場所であってもよいし、私的な場所であってもよい。公的な場所に設置されるセンサは、例えば公道に設置されるセンサを含み、使用主体や用途が限定されていないものである。私的な場所に設置されるセンサは、例えば工場の生産ラインに設置されるセンサを含み、特定の主体が特定の用途で使用するものである。

例えば、車両の通過を検出して、車両の通過台数を経過時間とともに示す交通量データを出力する通行センサを複数の交差点に設置して、センシングデータとして交通量データを収集し、学習用データとすることができる。この場合、複数のセンサは、複数の交差点に設置された通行センサであり、センシングデータは、複数の交差点における車両の交通量に関するデータである。学習依頼部１３は、複数の通行センサのうち一部の通行センサから出力された交通量データを学習用データとして、学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置３０に依頼する。学習装置３０による学習の結果、仮に、交通量データが、交通量が相対的に多いクラスタ、交通量が中程度であるクラスタ及び交通量が相対的に少ないクラスタの３つに分類されたとする。この場合、メタデータ生成部１６は、交通量が相対的に多いクラスタ、交通量が中程度であるクラスタ及び交通量が相対的に少ないクラスタのそれぞれについて、クラスタを代表する交通量データを選出する。例えば、メタデータ生成部１６は、交通量が相対的に多いクラスタを代表する交通量データとして第１交差点で測定された交通量データを選出し、交通量が中程度であるクラスタを代表する交通量データとして第２交差点で測定された交通量データを選出し、交通量が相対的に少ないクラスタを代表する交通量データとして第３交差点で測定された交通量データを選出する。そして、メタデータ生成部１６は、交通量が相対的に多いクラスタに属する交通量データを出力したセンサに対して、第１交差点で測定された交通量データの属性情報に基づくメタデータを生成する。ここで、交通量データの属性情報は、学習用データの属性情報であり、第１交差点に関する情報を含む。また、メタデータ生成部１６は、交通量が中程度であるクラスタに属する交通量データを出力したセンサに対して、第２交差点で測定された交通量データの属性情報に基づくメタデータを生成し、交通量が相対的に少ないクラスタに属する交通量データを出力したセンサに対して、第３交差点で測定された交通量データの属性情報に基づくメタデータを生成する。

さらに、メタデータ生成部１６は、複数の通行センサのうち他の通行センサ、すなわちセンシングデータを学習用データとして用いなかった通行センサについて、メタデータの生成を行う。例えば、複数の通行センサのうち、学習用データの収集に用いられていない第４交差点に設置された交通量センサによって交通量データを測定した場合、利用依頼部１４は、学習装置３０によって学習済みの学習モジュールを用いて、第４交差点の交通量データを入力データとして、学習モジュールから出力データを出力させるように学習結果利用装置４０に依頼する。出力データは、第４交差点の交通量データが、交通量が相対的に多いクラスタ、交通量が中程度であるクラスタ及び交通量が相対的に少ないクラスタに属する度合いを示す帰属度に関するデータであってよい。分類部１５は、出力データに基づいて、第４交差点の交通量データを、交通量が相対的に多いクラスタ、交通量が中程度であるクラスタ及び交通量が相対的に少ないクラスタの少なくともいずれかに属するように分類する。仮に、分類部１５が、第４交差点の交通量データを、交通量が相対的に多いクラスタに分類したとする。その場合、メタデータ生成部１６は、交通量が相対的に多いクラスタを代表する第１交差点で測定された交通量データの属性情報に基づいて、第４交差点に設置された交通量センサのメタデータを生成する。

このようにして、様々な場所に設置された交通量センサに対して、車両の交通量の特徴という観点からメタデータを統一的に生成することができ、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

また、通行センサが、車両の通過を検出するサブセンサと、時間を測定するサブセンサと、から構成される場合のように、複数のサブセンサがひとまとまりとなって一単位のセンサとして機能する場合に、メタデータ生成部１６は、一単位のセンサに対してメタデータを生成してよい。これにより、一単位のセンサに対して統一的にメタデータが生成され、複数のサブセンサそれぞれに対してアプリケーションのマッチングを行う必要が無くなるため、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

図４は、本発明の実施形態に係るメタデータ生成装置１０から学習依頼を受ける学習装置３０の機能ブロック図である。学習装置３０は、学習依頼情報に基づいて学習を行い、学習結果として新たな能力を獲得する機能を有する。学習装置３０は、学習制御部１３１と、ニューラルネットワーク１３２と、学習結果抽出部１３３と、通信部１３４と、学習結果出力部１３５とを備える。ここで、ニューラルネットワーク１３２は、学習モジュールの一例であり、学習装置３０は、ニューラルネットワーク以外の学習モジュールを有してもよい。

学習制御部１３１は、ニューラルネットワーク１３２を制御して、メタデータ生成装置１０から受けた学習依頼に基づいて学習を行う。学習制御部１３１は、学習依頼に応じて、ニューラルネットワーク１３２を教師有り学習によって学習させたり、教師無し学習によって学習させたりする。ニューラルネットワーク１３２の学習結果は、学習結果抽出部１３３によって抽出され、通信部１３４を介して、学習結果出力部１３５によって出力される。

図５は、本発明の実施形態に係るメタデータ生成装置１０から利用依頼を受ける学習結果利用装置４０の機能ブロック図である。学習結果利用装置４０は、学習結果を利用して新たな能力をユーザに提供する機能を有する。学習結果利用装置４０は、学習結果入力部２３１と、ニューラルネットワーク設定部２３２と、ニューラルネットワーク２３３と、制御部２３４と、入力部２３５と、通信部２３６と、データ取得部２３７と、出力部２３８とを備える。ここで、ニューラルネットワーク２３３は、学習モジュールの一例であり、学習結果利用装置４０は、ニューラルネットワーク以外の学習モジュールを有してもよく、その場合、ニューラルネットワーク設定部２３２は、ニューラルネットワーク以外の学習モジュールを設定するものに置き換わることとなる。

学習結果入力部２３１は、学習結果の入力を受け付ける。学習結果入力部２３１は、学習装置３０の学習結果出力部１３５によって出力される学習結果を、通信部２３６を介して受け付ける。ニューラルネットワーク設定部２３２は、メタデータ生成装置１０からの利用依頼に応じた設定をニューラルネットワーク２３３に対して行う。制御部２３４は、データ取得部２３７及び入力部２３５を制御して、利用依頼において指定されたデータをニューラルネットワーク２３３に入力し、出力データを出力させる。ニューラルネットワーク２３３からの出力データは、通信部２３６を介して出力部２３８によってメタデータ生成装置１０に出力される。

図６は、本発明の実施形態に係るメタデータ生成装置１０によって実行される第１処理のフローチャートである。第１処理は、学習用データに含まれるセンシングデータを出力する１又は複数のセンサに対して、メタデータを生成する処理である。はじめに、メタデータ生成装置１０は、ユーザから受け付けた指示に基づいて、学習用データの指定を行う（Ｓ１０）。

メタデータ生成装置１０は、学習装置３０に対して教師有り学習を依頼するか否かを判断する（Ｓ１１）。学習装置３０に対して教師有り学習を依頼するか否かは、ユーザから受け付けた指示に基づいて判断してよい。学習装置３０に対して教師有り学習を依頼する場合（Ｓ１１：Ｙｅｓ）、メタデータ生成装置１０は、ユーザから受け付けた指示に基づいて、教師データの指定を行う（Ｓ１２）。メタデータ生成装置１０の学習依頼部１３は、指定した学習用データ及び教師データに基づいて、学習モジュールを教師有り学習によって学習させるように、学習装置３０に依頼する（Ｓ１３）。

一方、学習装置３０に対して教師有り学習を依頼しない場合（Ｓ１１：Ｎｏ）、メタデータ生成装置１０の学習依頼部１３は、指定した学習用データに基づいて、学習モジュールを教師無し学習によって学習させるように、学習装置３０に依頼する（Ｓ１４）。

いずれの場合も、メタデータ生成装置１０は、学習装置３０から、学習用データの１又は複数のクラスタへの分類を受信する（Ｓ１５）。そして、メタデータ生成装置１０のメタデータ生成部１６は、クラスタを代表する学習用データを選出し（Ｓ１６）、選出された学習用データの属性情報に基づいて、学習用データに含まれるセンシングデータを出力したセンサのメタデータを生成する（Ｓ１７）。

本実施形態に係るメタデータ生成装置１０によれば、学習用データをクラスタに分類し、クラスタを代表する学習用データの属性情報に基づいてセンサのメタデータを生成することで、大量のセンシングデータに対してメタデータを統一的に生成することができる。メタデータの統一性が確保されることで、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

また、学習依頼部１３によって、学習装置３０に対して教師無し学習を依頼することで、学習用データを学習用モジュールによって自律的に分類することができ、より客観性の高い分類に基づいてメタデータを生成することができる。また、教師データを用意する必要が無いため、教師データを生成したり収集したりするための処理負荷や通信負荷が発生せず、教師データを記憶するための記憶容量を確保する必要が無くなる。

一方、学習依頼部１３によって、学習装置３０に対して教師有り学習を依頼することで、既存の属性情報を考慮して学習用データを分類することができ、既存の情報を広く活用してメタデータを生成することができる。また、学習モジュールからの出力データに対して意味付けを行う必要が無いため、出力データの解釈のために演算や通信を行う必要が無く、処理負荷や通信負荷が抑制される。

図７は、本発明の実施形態に係るメタデータ生成装置１０によって実行される第２処理のフローチャートである。第２処理は、学習用データに含まれないセンシングデータを出力するセンサに対して、メタデータを生成する処理である。はじめに、メタデータ生成装置１０は、ユーザから受け付けた指示に基づいて、学習用データに含まれないセンシングデータを入力データとして指定する（Ｓ２０）。

さらに、メタデータ生成装置１０は、ユーザから受け付けた指示に基づいて、学習装置３０による学習結果を指定する（Ｓ２１）。そして、メタデータ生成装置１０の利用依頼部１４は、指定した学習結果を設定した学習済みの学習モジュールを用いて、指定した入力データを学習済みの学習モジュールに入力して、出力データを出力させるように、学習結果利用装置４０に依頼する（Ｓ２２）。

その後、メタデータ生成装置１０は、学習結果利用装置４０より、学習モジュールからの出力データを受信する（Ｓ２３）。メタデータ生成装置１０の分類部１５は、出力データに基づいて、入力データを、学習用データの１又は複数のクラスタのうちいずれかに属するように分類する。そして、メタデータ生成装置１０のメタデータ生成部１６は、入力データが属するクラスタを代表する学習用データを特定し（Ｓ２５）、特定された学習用データの属性情報に基づいて、入力データを出力したセンサのメタデータを生成する（Ｓ２６）。

本実施形態に係るメタデータ生成装置１０によれば、学習用データのクラスタのうち入力データの属するクラスタを代表する学習用データの属性情報に基づいてセンサのメタデータを生成することで、新たなセンシングデータを入力データとした場合であっても、メタデータの生成に要する演算負荷が低く抑えられる。また、メタデータの統一性が確保されるため、センサとアプリケーションのマッチングに要する演算負荷や通信負荷が低く抑えられる。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

また、上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。

（付記１）
少なくとも１つのメモリと、前記メモリと接続された少なくとも１つのハードウェアプロセッサとを備え、
前記ハードウェアプロセッサが、
複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習された、学習済みの学習モジュールを用いて、前記複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、前記学習モジュールから出力データを出力させるように学習結果利用装置に依頼し、
前記出力データに基づいて、前記入力データを前記１又は複数のクラスタのうち少なくともいずれかに属するように分類し、
前記入力データの属するクラスタを代表する学習用データの属性情報に基づいて、前記入力データとされたセンシングデータを出力するセンサのメタデータを生成する、
メタデータ生成装置。

（付記２）
少なくとも１つのハードウェアプロセッサによって、複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習された、学習済みの学習モジュールを用いて、前記複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、前記学習モジュールから出力データを出力させるように学習結果利用装置に依頼し、
前記出力データに基づいて、前記入力データを前記１又は複数のクラスタのうち少なくともいずれかに属するように分類し、
前記入力データの属するクラスタを代表する学習用データの属性情報に基づいて、前記入力データとされたセンシングデータを出力するセンサのメタデータを生成する、
メタデータ生成方法。

１０…メタデータ生成装置、１０ａ…ＣＰＵ、１０ｂ…ＲＡＭ、１０ｃ…ＲＯＭ、１０ｄ…通信インタフェース、１０ｅ…入力部、１０ｆ…表示部、１１…通信部、１２…制御部、１３…学習依頼部、１４…利用依頼部、１５…分類部、１６…メタデータ生成部、２０…センサ、３０…学習装置、４０…学習結果利用装置、１３１…学習制御部、１３２…ニューラルネットワーク、１３３…学習結果抽出部、１３４…通信部、１３５…学習結果出力部、２３１…学習結果入力部、２３２…ニューラルネットワーク設定部、２３３…ニューラルネットワーク、２３４…制御部、２３５…入力部、２３６…通信部、２３７…データ取得部、２３８…出力部。

Claims (6)

1. 複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置に依頼する学習依頼部と、
   学習済みの学習モジュールを用いて、前記複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、前記学習モジュールから出力データを出力させるように学習結果利用装置に依頼する利用依頼部と、
   前記出力データに基づいて、前記入力データを前記１又は複数のクラスタのうち少なくともいずれかに属するように分類する分類部と、
   前記入力データの属するクラスタを代表する学習用データの属性情報に基づいて、前記入力データとされたセンシングデータを出力したセンサのメタデータを生成するメタデータ生成部と、
   を備え、
   前記学習依頼部は、
   ユーザの指定に基づいて、前記学習装置に、教師無し学習または教師有り学習のいずれを依頼するか判断し、
   前記教師無し学習を依頼する場合には、前記学習用データに基づいて、前記学習用データを１又は複数のクラスタに分類するように前記学習モジュールを学習させるよう前記学習装置に依頼し、
   前記教師有り学習を依頼する場合には、前記学習用データの属性情報を含む教師データを用いた教師有り学習によって、前記学習用データに基づいて、前記学習用データを１又は複数のクラスタに分類するように前記学習モジュールを学習させるよう前記学習装置に依頼し、
   前記メタデータ生成部は、前記１又は複数のクラスタのうちいずれかを代表する学習用データを選出し、選出された学習用データの属性情報に基づいて、前記学習用データとされたセンシングデータを出力したセンサのメタデータを生成する、
   メタデータ生成装置。
2. 前記複数のセンサのうち少なくともいずれかは、複数のサブセンサによって構成される、
   請求項１記載のメタデータ生成装置。
3. 前記複数のセンサは、特定の場所に設置されたセンサであり、
   前記学習用データの属性情報は、前記特定の場所に関する情報を含む、
   請求項１または２に記載のメタデータ生成装置。
4. 前記センシングデータは、特定の場所における車両の交通量に関するデータである、
   請求項３に記載のメタデータ生成装置。
5. 複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置に依頼するステップと、
   学習済みの学習モジュールを用いて、前記複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、前記学習モジュールから出力データを出力させるように学習結果利用装置に依頼するステップと、
   前記出力データに基づいて、前記入力データを前記１又は複数のクラスタのうち少なくともいずれかに属するように分類するステップと、
   前記入力データの属するクラスタを代表する学習用データの属性情報に基づいて、前記入力データとされたセンシングデータを出力したセンサのメタデータを生成するステップと、
   を含み、
   前記学習装置に依頼するステップでは、
   ユーザの指定に基づいて、前記学習装置に、教師無し学習または教師有り学習のいずれを依頼するか判断し、
   前記教師無し学習を依頼する場合には、前記学習用データに基づいて、前記学習用データを１又は複数のクラスタに分類するように前記学習モジュールを学習させるよう前記学習装置に依頼し、
   前記教師有り学習を依頼する場合には、前記学習用データの属性情報を含む教師データを用いた教師有り学習によって、前記学習用データに基づいて、前記学習用データを１又は複数のクラスタに分類するように前記学習モジュールを学習させるよう前記学習装置に依頼し、
   前記メタデータを生成するステップでは、前記１又は複数のクラスタのうちいずれかを代表する学習用データを選出し、選出された学習用データの属性情報に基づいて、前記学習用データとされたセンシングデータを出力したセンサのメタデータを生成する、
   メタデータ生成方法。
6. コンピュータを、
   複数のセンサのうち一部のセンサから出力されたセンシングデータを含む学習用データを１又は複数のクラスタに分類するように学習モジュールを学習させるよう学習装置に依頼する学習依頼部と、
   学習済みの学習モジュールを用いて、前記複数のセンサのうち他のセンサから出力されたセンシングデータを入力データとして、前記学習モジュールから出力データを出力させるように学習結果利用装置に依頼する利用依頼部と、
   前記出力データに基づいて、前記入力データを前記１又は複数のクラスタのうち少なくともいずれかに属するように分類する分類部と、
   前記入力データの属するクラスタを代表する学習用データの属性情報に基づいて、前記入力データとされたセンシングデータを出力したセンサのメタデータを生成するメタデータ生成部、
   として機能させ、
   前記学習依頼部は、
   ユーザの指定に基づいて、前記学習装置に、教師無し学習または教師有り学習のいずれを依頼するか判断し、
   前記教師無し学習を依頼する場合には、前記学習用データに基づいて、前記学習用データを１又は複数のクラスタに分類するように前記学習モジュールを学習させるよう前記学習装置に依頼し、
   前記教師有り学習を依頼する場合には、前記学習用データの属性情報を含む教師データを用いた教師有り学習によって、前記学習用データに基づいて、前記学習用データを１又は複数のクラスタに分類するように前記学習モジュールを学習させるよう前記学習装置に依頼し、
   前記メタデータ生成部は、前記１又は複数のクラスタのうちいずれかを代表する学習用データを選出し、選出された学習用データの属性情報に基づいて、前記学習用データとされたセンシングデータを出力したセンサのメタデータを生成する、
   プログラム。