JP6891628B2 - ゴミ収集区間識別装置、ゴミ収集区間識別方法、及びプログラム - Google Patents

Description

本発明は、ゴミ収集業務において、各地区のゴミ量を推定する技術に関連するものである。

ゴミ収集業務は、自治体の基礎的なサービスであり、住民の生活を支える重要な業務である。このサービスを維持するためには、安定的にゴミ収集業務が行えるよう、地区毎のゴミ量の推移や、将来のゴミ量予測など、ゴミ収集に関する詳細な情報に基づく効率化が必要であると考えられる。

なお、海外では、ゴミ箱にセンサを取り付けることで、ゴミ集積所のゴミ箱がいっぱいになったことを検知したら、動的にゴミ清掃車を配車するようなシステム例がある。しかし、日本における個別の地区を車が定期的に収集する方式とは根本的に収集の方式が異なる。

本願に関連する先行技術文献として、人の行動を識別する技術を開示した特許文献１がある。

特開２０１０−２７１９７８号

上述したように、ゴミ収集業務の効率化のためには、地区毎のゴミ量などの情報を取得することが必要であるが、従来技術では、ゴミ焼却場で計測したゴミ量を、車が担当している地区に割り当て、大まかな地区毎の集計を求めることしかできなかった。

しかし、実際には１台のゴミ清掃車は業務の平滑化のため複数の離れた地区のゴミを１日に集める場合もあり、この方法ではゴミ量の集計に誤差が生じ、結局は経験と勘を頼りにゴミ収集業務の計画を立てることが多かった。このため、ゴミを収集しながら各地区のゴミ量の詳細が蓄積できれば、ゴミ収集業務の効率化を支援できると考えられる。

ゴミ収集業務では、清掃員が車を運転して拠点を出発し、割り当てられたゴミ収集区域でゴミを収集する。各ゴミ集積所や各戸の前で車を止めてゴミをゴミ清掃車に搭載し、回転板を動作させてゴミを荷箱に押し込む。車に搭載できるゴミの量があふれる前に焼却所や、リサイクル拠点へゴミを運び込む。この際、焼却所やリサイクル拠点ではゴミの重量を計測する。割り当てられた区域をどの順で回るか、いつ焼却所などへ向かうかは清掃員の裁量に任されている場合もあり、道路事情や工事のタイムスケジュール、ゴミ量の多寡によって変更されることもある。更に、集め忘れたゴミを担当区域外の別のゴミ清掃車に臨時に収集を依頼することもあり得る。このため単に焼却所などで計測した重量を用いるだけでは各地区のゴミ量を良い精度で推定することはできない。

本発明は上記の点に鑑みてなされたものであり、各地区のゴミ量を従来技術よりも良い精度で推定することを可能とする技術を提供することを目的とする。

開示の技術によれば、ゴミ収集区間を識別するゴミ収集区間識別装置であって、
ゴミ清掃車に搭載されたモーションセンサにより収集されたセンサデータから、前記ゴミ清掃車の振動に基づく周波数に関する特徴量を取得する特徴量取得手段と、
前記特徴量に基づいて、前記ゴミ清掃車の回転板が動作中の時間を前記ゴミ収集区間として識別する識別手段と
を備えることを特徴とするゴミ収集区間識別装置が提供される。

開示の技術によれば、ゴミ収集区間を識別できるので、各地区のゴミ量を従来技術よりも良い精度で推定することが可能となる。

本発明の実施の形態の概要を説明するための図である。 第１の実施の形態におけるシステム構成図である。 装置のハードウェア構成の例を示す図である。 ゴミ量推定の処理手順を示すフローチャートである。 加速度センサとパワースペクトラムの例を示す図である。 第２の実施の形態におけるシステム構成図である。 実施例における識別結果を示す図である。

以下、図面を参照して本発明の実施の形態（本実施の形態）を説明する。以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。

（本実施の形態の概要）
本実施の形態では、ゴミ清掃車に搭載したモーションセンサを用いて、ゴミ清掃車の走行中の振動とゴミをかき入れる回転板動作中の車の振動の変化を検出して、回転板の動作時間をゴミ収集区間として識別する。そして、ゴミ清掃車の回転板の動作時間（回転回数）とゴミの量には比例の関係があると考え、焼却所などで計測したゴミの重量を各地区でゴミの回転板の動作時間で按分することで、各地区のゴミ量を推定する。

図１は、本実施の形態におけるゴミ量推定のイメージを示す。図１の例では、１台又は複数台のゴミ清掃車がＡ地区、Ｂ地区、Ｃ地区の３地区を回って、合計で２００ｋｇのゴミを収集した場合を示している。本実施の形態における技術により、Ａ地区におけるゴミ収集時間が２０分として得られ、Ｂ地区におけるゴミ収集時間が１０分として得られ、Ｃ地区におけるゴミ収集時間が１０分として得られる。２００Ｋｇをこれらの時間で按分することで図示のとおり、各地区のゴミの推定量が得られる。例えば、Ａ地区については、（２０÷（２０＋１０＋１０））×２００＝１００として、１００Ｋｇが得られる。

モーションセンサを用いずとも、ＧＰＳの履歴のみを用いて、その地区の滞在時間からゴミ量を推定する手法も考えられる。しかし、実際のゴミ収集業務では、細い道路では奥にある集積所まで到達するのに時間がかかったり、車が入れない程細い道路では車を停止して清掃員が走ってゴミを取りに行くためにゴミ量に比べて時間が多くかかる場所もあれば、集合住宅など一か所に大量のゴミが集積されているため、短時間で大量のごみを収集できる場所もある。このためモーションセンサを用いて回転板の動作時間を検出する方がより正確にゴミ量を推定できると考えられる。

また、音を用いて回転板の動作を検出したり、カメラ画像を用いてゴミ袋の動きを識別することによって、ゴミ量を推定する手法も考えられる。しかし、それぞれ専用の装置を車外に取り付ける必要があり、スマートフォンなどのモーションセンサ１台を清掃車の中に取り付けるのみでゴミ量が推定できる本実施の形態に係る技術の方が実現しやすく、音やカメラに入り込んだ市民などのプライバシーの問題も発生しない。モーションセンサは多くのスマートフォンに搭載されている一般的なセンサであり、路面の損傷を検出するといった他の目的にも同時に利用できる。

以下、第１の実施の形態、第２の実施の形態、及び実施例を説明する。

（第１の実施の形態）
＜システム構成＞
図２に、第１の実施の形態におけるシステム構成図を示す。図２に示すように、第１の実施の形態におけるシステムは、ゴミ清掃車に搭載される車載装置１０と、車載装置１０にネットワークを介して接続されるゴミ量推定装置２０とを有する。

図２に示すように、車載装置１０は、センサ１１とセンサデータ送信部１２を有する。車載装置１０は、例えば、各種センサを備えるスマートフォン、タブレット等である。また、ゴミ量推定装置２０は、センサデータ受信部２１、センサデータ格納部２２、センサデータ前処理部２３、特徴量ベクトル生成部２４、ゴミ収集イベント検出部２５、ゴミ重量データ格納部２６、推定ゴミ量算出部２７、及び情報出力部２８を有する。各装置における各機能部の動作については、後述する動作説明において詳細に説明する。なお、ゴミ量推定装置２０をゴミ収集区間識別装置と称してもよい。

車載装置１０、ゴミ量推定装置２０、及び後述する第２の実施の形態における車載装置３０、ゴミ量推定装置４０はいずれも、コンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。図３は、各装置のハードウェア構成例を示す図である。図３の装置は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、インタフェース装置１０５、表示装置１０６、及び入力装置１０７等を有する。

当該装置（車載装置１０、ゴミ量推定装置２０、車載装置３０、又は、ゴミ量推定装置４０）での処理を実現するプログラムは、例えば、ＣＤ−ＲＯＭ又はメモリカード等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って当該装置に係る機能を実現する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１０６はプログラムによるＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）等を表示する。入力装置１０７はキーボード及びマウス、ボタン、又はタッチパネル等で構成され、様々な操作指示を入力させるために用いられる。

以下、車載装置１０、及びゴミ量推定装置２０の動作を、図４のフローチャートに沿って説明する。なお、以下で説明する処理は、１台のゴミ清掃車がゴミ収集を行う場合の例である。複数台が同じ地区のゴミを収集する場合、各ゴミ清掃車におけるゴミ量推定値を合計すればよい。

＜ステップＳ１：データの収集＞
ゴミ清掃車に搭載された車載装置１０におけるセンサ１１が、データを収集し、センサデータ送信部１２が、センサ１１により収集されたデータをゴミ量推定装置２０に送信する。ゴミ量推定装置２０におけるセンサデータ受信部２１が当該データを受信し、受信したデータをセンサデータ格納部２２に格納する。

センサ１１は、加速度、角速度、地磁気を複数の軸で測定するようなモーションセンサを含む。また、センサ１１は、ゴミ清掃車の位置情報を取得するＧＰＳ装置も含む。センサデータ格納部２２には、モーションセンサにより取得された加速度データ等と、ＧＰＳ装置により取得された位置情報とが、取得された時刻とともに格納される。

図５の上段に、ゴミ清掃車に搭載されたセンサ１１（モーションセンサ）により取得した加速度データの例を示す。この例は、運転席後部に加速度、角速度、地磁気それぞれを３軸で計測する９軸モーションセンサが設置された場合の例である。

図５の下段に示すように、ゴミ清掃車の状態（ゴミ収集中、走行中、アイドリング中）毎に、加速度を周波数領域に変換してパワースペクトラムを見ると、状況によって異なる周波数にピークがあることがわかる。エンジンの回転数がそれぞれの状態によって異なるためにこのような差が出てくると考えられる。また、このデータでは、ゴミ収集中のピークは４５Ｈｚ付近にあるため、センサ１１は１００Ｈｚ以上の速度でデータを取得する必要があることがわかる。

＜ステップＳ２〜Ｓ４：特徴量ベクトルの作成＞
ゴミ量推定装置２０におけるセンサデータ前処理部２３は、取得したセンサデータを一定のデータ数毎に時間ウィンドウで区切る（ステップＳ２）。ウィンドウ長をｗとする。時間ウィンドウは一定のデータ数ずつ重ねてスライドさせて次の時間ウィンドウとする。スライド幅をｓとする。時間ウィンドウ単位で特徴量ベクトルが生成される。

特徴量ベクトル生成部２４は、各ウィンドウのデータをＦＦＴ Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）あるいはＬＰＣ（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｄｉｎｇ）で周波数領域に変換し、パワースペクトルを得る（ステップＳ３）。更に、特徴量ベクトル生成部２４は、当該パワースペクトルをケプストラムに変換し、これを特徴量とする。また、特徴量ベクトル生成部２４は、追加で、標準偏差、ＺＣＲ（Ｚｅｒｏ−ｃｒｏｓｓｉｎｇ ｒａｔｅ）、パワー、エントロピーといった特徴量を追加し、これらの特徴量からなる特徴量ベクトルを生成する。なお、センサデータから特徴量ベクトルを生成する方法は、ここで説明した方法に限らず、他の方法で特徴量ベクトルを生成してもよい。

＜データの学習について＞
ここで、データの学習について説明する。データの学習は、ゴミ量推定を行う前に、事前に行っておくものである。学習に関しては、ゴミ量推定装置２０が実施してもよいし、ゴミ量推定装置２０以外の装置が実施してもよい。ここでは、ゴミ量推定装置２０が下記の学習を実施するものとする。なお、これまでに説明したステップＳ４までで得られた特徴量ベクトルは、学習が既に済んだ後の、ゴミ量推定のためのものであるが、学習においてもステップＳ４までで得られる特徴量ベクトルと同様の特徴量ベクトルを使用するので、ここでは、便宜上、ステップＳ４の後に、データの学習方法を説明している。

ゴミ量推定装置２０は、特徴量ベクトルに、対応するラベルを付与し、識別モデルを生成する。例えば、代表的なゴミ収集業務を行っている日を選択し、ゴミ収集業務を撮影した映像や録音した音声を用いて、人手でゴミ収集中の回転板の動作時間を探し、対応するラベル（回転中か回転中以外）を、当該時間に対応する特徴量ベクトルに付与する。

付与したラベルを用いて、回転板動作中とそれ以外のデータを同じ数ランダムに選択し、分類器の教師あり学習を行う。本実施の形態では、分類器にＳＶＭを用いるが、これは一例であり、その他の決定木などの分類器を用いてもよい。

なお、ここでは、識別モデルと分類器は同義と考えてよい。分類器に、ラベルが未知の特徴量ベクトルが入力されることで、分類器により推定されたラベル（回転中か回転中以外）が出力される。当該識別モデル（分類器）は、ゴミ収集イベント検出部２５が備える。

＜ステップＳ５〜Ｓ８：ゴミ収集区間の推定＞
ゴミ収集イベント検出部２５は、上記のようにして作成された識別モデル（分類器）を用いて、モーションセンサデータがゴミ収集区間（つまり、回転中）に対応しているかを分類する（ステップＳ６）。すなわち、ゴミ収集イベント検出部２５は、特徴量ベクトルを時間ウィンドウ毎に分類器に入力し、当該特徴量ベクトルが"回転中"に分類された場合に、当該特徴量ベクトルに対応する時間ウィンドウの時間はゴミ収集区間であると判断する。

ゴミ収集イベント検出部２５は、ある時間ウィンドウの特徴量ベクトルが、ゴミ収集区間に対応すると判断した場合、当該時間ウィンドウの時間（例：１３時３０分００秒〜１３時３０分０１秒、など）を、ゴミ収集区間として、その時点での位置情報（ＧＰＳデータ）と共に、メモリ等の記憶手段に記録する（ステップＳ７）。

ステップＳ１〜Ｓ７の処理は、ゴミ清掃車が焼却所に到着するまで繰り返し実行される。ゴミ収集イベント検出部２５は、車載装置１０から受信するデータ（例：ＧＰＳデータ）が、ゴミ清掃車が焼却所へ到着した箇所のデータになったことを検出すると（ステップＳ８のＹ）、ステップＳ７でそれまでに記録したデータをまとめて推定ゴミ量算出部２７に渡し、推定ゴミ量算出部２７にゴミ量推定処理を実行させる。なお、ゴミ清掃車が焼却所に到着した際にゴミ量推定処理を実行することは例であり、ゴミ清掃車が焼却所以外の所定の場所に到着した際にゴミ量推定処理を実行することとしてもよい。

なお、ゴミ収集業務はゴミ清掃車の停止中に行われることが想定されるため、ゴミ量推定装置２０は、車載装置１０から受信するＧＰＳデータからゴミ清掃車の走行速度を求め、走行速度が予め定めた値以下のときのセンサデータのみを使って、上述した識別に係る処理（ステップＳ２〜Ｓ７）を行うこととしてもよい。

＜ステップＳ９〜Ｓ１１：ゴミ量の推定＞
次に、推定ゴミ量算出部２７が、位置別のゴミの重量を、計測したデータを用いて推定する。

ここでは、例えば、ゴミ清掃車が到着した焼却所から、当該ゴミ清掃車が収集したゴミの総重量がゴミ量推定装置２０に送信され、ゴミ量推定装置２０は、当該ゴミ重量をゴミ重量データ格納部２６に格納する。また、回転板が回っている時間とゴミの重量は比例の関係にあると仮定し、推定ゴミ量算出部２７は、ゴミ重量データ格納部２６に格納されたゴミの重量を位置別のゴミ収集時間で按分する。按分する位置の単位は、回転板が回転中であると判断された位置毎としてもよいが、多少の誤差が発生することを予想し、本実施の形態では、街区あるいは自治会単位とすることを想定している。メッシュで区切った地区毎に按分しても構わない。

一例として、あるゴミ収集区間とその位置を（ゴミ収集区間：時間、位置）のように表すとして、（ゴミ収集区間：８時３０分００秒〜８時３２分００秒、位置１）、（ゴミ収集区間：８時３５分００秒〜８時３９分００秒、位置２）、（ゴミ収集区間：８時４５分００秒〜８時４７分００秒、位置３）というデータが得られたとする。また、ここで、位置１、位置２、位置３で地区Ａを構成するものとする。この場合、推定ゴミ量算出部２７は、地区Ａのゴミ収集時間として２＋４＋２＝８分を得る。同様にして、地区Ｂのゴミ収集時間として８分が得られ、地区Ｃのゴミ収集時間として１６分が得られたとする。

この場合、全部のゴミ重量が１００Ｋｇであるとすると、推定ゴミ量算出部２７は、地区Ａのゴミ量の推定値として、１００×８／３２＝２５Ｋｇを算出し、地区Ｂのゴミ量の推定値として、１００×８／３２＝２５Ｋｇを算出し、地区Ｃのゴミ量の推定値として、１００×１６／３２＝５０Ｋｇを算出する。

＜ステップＳ１２：情報の提示＞
情報出力部２８は、推定ゴミ量算出部２７により算出された推定ゴミ量を出力する。出力の内容は、特に限定されないが、例えば、位置毎あるいは地区毎の推定ゴミ量である。また、推定した位置別のゴミ量は大きく分けて以下の２つの用途（１）、（２）に使用することを想定していることから、情報出力部２８は、以下の２つの用途のいずれかに対応する情報、あるいは、以下の２つの用途のそれぞれに対応する情報を出力してもよい。

（１）地区別ゴミ量の経年変化・季節変動データによるゴミ収集計画支援
ゴミ量の経年変化による将来予測や、季節変動は、自治体におけるゴミ収集業務計画を策定する上で重要なデータとなり得る。従来技術における車毎に地区を当てはめて合算する方法では、自治会単位のような細かな地区別で集計することは困難であった。提案手法を用いることにより、情報出力部２８は、自治会単位のような細かな地区別のゴミ量を蓄積することで、詳細な経年変化や季節変動によるゴミ量の変動データを算出し、出力することが可能である。つまり、詳細に将来のゴミ量を予測することができるようになる。こういった情報は自治体や自治体からゴミ収集業務を委託された業者が、ゴミ収集の計画を策定する上で重要である。

（２）住民へのゴミ量のフィードバック
情報出力部２８は、住民へ一定の時間毎のその地区のゴミの量を提示することとしてもよい。具体的には、例えば、情報出力部２８が、Ｗｅｂサーバ機能（Ｗｅｂサイト提供）を持ち、一定の時間毎の地区毎のゴミの量を掲載したＷｅｂページを公開する。

これにより、ゴミ量の減量化に役立つと考えられる。自治体全体でのゴミの排出量は公開されているが、個別の地区のゴミの量はほとんど提示されることはなく、そもそも住民は自身の排出しているゴミの量が平均と比較して多いか少ないかを知らない場合が多い。こういった状況で地区毎のゴミ排出量が提示されると、住民の心理として平均より多かったならばゴミの量を減らしてみよう、平均より少なかったならば平均を上回らないようにゴミ量増加を防ごう、というゴミ減量のモチベーションが高まることが考えられる。

なお、上記（１）、（２）のいずれの場合でも、情報出力部２８は、スマートフォンのアプリケーションにより実現されるものであってもよい。すなわち、この場合、推定ゴミ量算出部２７による算出結果が、ユーザの持つスマートフォンに送られ、当該アプリケーションにより、上述した情報表示がなされる。

（第２の実施の形態）
次に、第２の実施の形態を説明する。第１の実施の形態では、ゴミ清掃車の車載装置でセンサデータを取得し、全てのデータ処理をゴミ量推定装置で行うのに対し、第２の実施の形態では、ゴミ収集イベントの検出までを車載装置で行い、それ以降の処理をゴミ量推定装置で行う。ゴミ量推定のための処理方法は、基本的に第１の実施の形態と第２の実施の形態とで同じである。以下、主に第１の実施の形態と異なる点について説明する。

図６に、第２の実施の形態におけるシステム構成図を示す。図６に示すように、第２の実施の形態におけるシステムは、ゴミ清掃車に搭載される車載装置３０と、車載装置３０にネットワークを介して接続されるゴミ量推定装置４０とを有する。

図６に示すように、車載装置３０は、センサ１１、センサデータ前処理部２３、特徴量ベクトル生成部２４、ゴミ収集イベント検出部２５、ゴミ収集イベント送信部３１を有する。また、ゴミ量推定装置４０は、ゴミ収集イベント受信部４１、ゴミ重量データ格納部２６、推定ゴミ量算出部２７、及び情報出力部２８を有する。なお、車載装置３０をゴミ収集区間識別装置と称してもよい。

車載装置３０におけるセンサ１１、センサデータ前処理部２３、特徴量ベクトル生成部２４、ゴミ収集イベント検出部２５は、第１の実施の形態におけるセンサ１１、センサデータ前処理部２３、特徴量ベクトル生成部２４、ゴミ収集イベント検出部２５と同じであり、これらにより、図４のフローチャートにおけるステップＳ１〜ステップＳ８の処理を実行する。

ステップＳ８でＹになった場合、ゴミ収集イベント送信部３１が、焼却所到着までにステップＳ７で記録されたデータをゴミ量推定装置４０に送信する。ゴミ量推定装置４０のゴミ収集イベント受信部４１が当該データを受信する。あるいは、ゴミ収集イベント検出部２５がゴミ収集区間を識別する度に、ゴミ収集イベント送信部３１がゴミ収集区間のデータをゴミ量推定装置４０に送信することとしてもよい。

ゴミ量推定装置４０におけるゴミ重量データ格納部２６、推定ゴミ量算出部２７、及び情報出力部２８は、第１の実施の形態におけるゴミ重量データ格納部２６、推定ゴミ量算出部２７、及び情報出力部２８と同じであり、これらにより、図４のステップＳ９〜ステップＳ１２の処理が実行される。なお、ステップＳ５で使用する識別モデルの学習については、ゴミ量推定装置４０が行ってもよいし、他の装置が行ってもよい。

（実施例）
以下、より具体的な例を実施例として説明する。

実際にゴミ収集業務を行っているゴミ清掃車１台にＧＰＳと９軸モーションセンサを搭載してデータを収集し、ゴミ収集区間推定の実験を行った。ＧＰＳは１秒に１回、モーションセンサは３軸加速度と３軸角速度を１００Ｈｚで測定した。教師データは、ゴミ清掃車に音声を記録する装置を同時に取り付け、その音声を再生させ、実際にゴミを収集して回転板を動作させた時刻の特徴量ベクトルにラベリングを付与して作成した。

ｗ＝２５６、ｓ＝１００としてゴミ量推定を行った。ここでは、鉛直方向の１軸の加速度データのみを用いた評価を行った。周波数領域への変換は３０次のＬＰＣを用い、ケプストラムの３０次の値のみを特徴量ベクトルとした。回転板の回転中と回転中以外（走行中）の２種類のラベルを加速度データに付与し、１５００個ずつのデータセットを用意した。ＳＶＭで識別モデルを構築し、交差検定によって識別の精度を算出した。

図７に識別結果を示す。この識別結果は、ある１日のある１台のゴミ清掃車のデータのみから得られたものである。適合率は９０．１％、再現率は８９．９％となった。このことから、加速度のみを使っても一定の精度でゴミ清掃車の回転板動作時間を推定できることがわかった。なお、他の軸のモーションセンサデータやＧＰＳデータ、その他の特徴量を用いることで精度が向上する可能性がある。

（実施の形態の効果）
本発明の実施の形態に係る技術を用いることにより、スマートフォンなどにも搭載されるなど一般的になってきたモーションセンサを使って簡単にゴミ収集区間を識別できる。更に最近ではスマートフォンなどモーションセンサを用いて路面の劣化を検知するサービスが提供されつつあるため、これらのサービスと一つのハードウェアを使って同時にゴミ収集区間の識別が行える。ゴミ収集区間を識別できれば、細かな地区毎のゴミ収集量を推定できるようになり、以下のような効果（１）〜（３）が期待できる。

（１）地区毎のゴミ量の遷移を把握することによる、ゴミ収集計画の効率化。

（２）地区毎のゴミ量と人口推移からゴミ量の推移を予測することによる将来のゴミ収集計画の考案。

（３）地区毎のゴミ量を住民に示すことによる、ゴミ減量の効果。

（実施の形態のまとめ）
以上、説明したように、本実施の形態により、ゴミ収集区間を識別するゴミ収集区間識別装置であって、ゴミ清掃車に搭載されたモーションセンサにより収集されたセンサデータから特徴量を取得する特徴量取得手段と、前記特徴量に基づいて、前記ゴミ清掃車の回転板が動作中の時間を前記ゴミ収集区間として識別する識別手段とを備えることを特徴とするゴミ収集区間識別装置が提供される。

センサデータ前処理部２３及び特徴量ベクトル生成部は、上記特徴量取得手段の例である。また、ゴミ収集イベント検出部２５は、上記識別手段の例である。

前記識別手段は、回転板が動作中の特徴量に基づく教師あり学習により作成された識別モデルを用いて前記識別を実行することとしてもよい。

また、前記ゴミ収集区間識別装置は、前記識別手段により識別された前記ゴミ収集区間と、当該ゴミ収集区間に対応する前記ゴミ清掃車の位置と、前記ゴミ清掃車により収集されたゴミの総重量とに基づいて、位置別のゴミ量を推定する推定ゴミ量算出手段を更に備えることとしてもよい。推定ゴミ量算出部２７は、上記の推定ゴミ量算出手段の例である。

以上、本実施の形態について説明したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０、３０ 車載装置
１１ センサ
１２ センサデータ送信部
２０、４０ ゴミ量推定装置
２１ センサデータ受信
２２ センサデータ格納部
２３ センサデータ前処理部
２４ 特徴量ベクトル生成部
２５ ゴミ収集イベント検出部
２６ ゴミ重量データ格納部
２７ 推定ゴミ量算出部
２８ 情報出力部
３１ ゴミ収集イベント送信部
４１ ゴミ収集イベント受信部
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１０６ 表示装置
１０７ 入力装置

Claims (7)

1. ゴミ収集区間を識別するゴミ収集区間識別装置であって、
   ゴミ清掃車に搭載されたモーションセンサにより収集されたセンサデータから、前記ゴミ清掃車の振動に基づく周波数に関する特徴量を取得する特徴量取得手段と、
   前記特徴量に基づいて、前記ゴミ清掃車の回転板が動作中の時間を前記ゴミ収集区間として識別する識別手段と
   を備えることを特徴とするゴミ収集区間識別装置。
2. 前記識別手段は、回転板が動作中の特徴量に基づく教師あり学習により作成された識別モデルを用いて前記識別を実行する
   ことを特徴とする請求項１に記載のゴミ収集区間識別装置。
3. 前記識別手段により識別された前記ゴミ収集区間と、当該ゴミ収集区間に対応する前記ゴミ清掃車の位置と、前記ゴミ清掃車により収集されたゴミの総重量とに基づいて、位置別のゴミ量を推定する推定ゴミ量算出手段
   を更に備えることを特徴とする請求項１又は２に記載のゴミ収集区間識別装置。
4. ゴミ収集区間を識別するゴミ収集区間識別装置が実行するゴミ収集区間識別方法であって、
   ゴミ清掃車に搭載されたモーションセンサにより収集されたセンサデータから、前記ゴミ清掃車の振動に基づく周波数に関する特徴量を取得する特徴量取得ステップと、
   前記特徴量に基づいて、前記ゴミ清掃車の回転板が動作中の時間を前記ゴミ収集区間として識別する識別ステップと
   を備えることを特徴とするゴミ収集区間識別方法。
5. 前記識別ステップにおいて、前記ゴミ収集区間識別装置は、回転板が動作中の特徴量に基づく教師あり学習により作成された識別モデルを用いて前記識別を実行する
   ことを特徴とする請求項４に記載のゴミ収集区間識別方法。
6. 前記識別ステップにより識別された前記ゴミ収集区間と、当該ゴミ収集区間に対応する前記ゴミ清掃車の位置と、前記ゴミ清掃車により収集されたゴミの総重量とに基づいて、位置別のゴミ量を推定する推定ゴミ量算出ステップ
   を更に備えることを特徴とする請求項４又は５に記載のゴミ収集区間識別方法。
7. コンピュータを、請求項１ないし３のうちいずれか１項に記載のゴミ収集区間識別装置における各手段として機能させるためのプログラム。

Images