JP6958548B2 - 分散協調情報処理装置、分散協調情報処理方法、及びプログラム - Google Patents

Description

本発明は、分散協調情報処理装置、分散協調情報処理方法、及びプログラムに関する。

近年のＩＣＴ（Information and Communication Technology）に関連するハードウェア及びソフトウェア技術の発展に基づき、小型で高い演算処理能力及び通信処理能力を備えた装置が増えてきている。一方で、所定のレベルを超える非常に高い処理能力を要する場合は、依然として大型で高価な装置が必要になる。

そこで、様々な用途又は要求性能を満たす大型で高価な装置を設計するのではなく、ある程度の性能を有する小型の装置を大量に組み合わせて大型の装置と同等の性能を実現するシステムが検討されている。センサーフュージョン又はデータフュージョンは、その一例であり、高価で高性能なセンシング装置ではなく、比較的安価な多数のセンサーデバイスを組み合わせて高度なシステムを実現する。

例えば、分散レーダーセンサーネットワークは、複数のレーダーセンサーを分散配置し、様々な地点におけるセンシング情報を集めて高い探知能力を実現する（例えば、非特許文献１を参照）。分散レーダーセンサーネットワークでは、複数のレーダーセンサーを分散配置するため、地形的な要因等である一方向からの探索が難しい場合でも、多方向から測定することで、監視可能な範囲を拡張できる利点がある。

分散レーダーセンサーネットワークのように、多数のセンシング情報等を融合して高度な情報を実現するシステムでは、比較的高い頻度でデータフュージョンが実行される。データフュージョンとは、種類が異なる複数の情報を集めて融合することで、より高度な情報に加工する手法である。例えば、特許文献１には、複数のレーダーセンサーで測定された情報を統合して情報の精度を向上させる手法が記載されている。また、特許文献２には、監視対象物の識別分類のために、複数のセンサーデータを融合する手法が記載されている。

特許文献１及び２、並びに非特許文献１に記載された手法は、集中サーバに情報を集約させて演算することを前提としている。しかし、集中サーバを用いずに局所的な情報のみで隣接ノードと協調しながら分散して処理を実行する技術も検討されている。例えば、非特許文献２には、ネットワークで接続された複数のノード同士が情報を交換又は更新することで、それぞれのノードが有する変数が全体の平均値に収束するように設計されたAverage Consensus法が記載されている。この仕組みを利用して、複数のセンサーノード等で取得されたデータから最尤状態を推定する手法が検討されている。

本発明に関連する発明として、特許文献３ないし６がある。特許文献３は、通信システムにおいて、自律協調型サブシステムを生成する方法を開示している。特許文献４は、観測対象に関する情報を融合する技術を開示している。特許文献５は、外部環境を認識する技術を開示している。特許文献６は、自律分散制御ノードからなるネットワークにおける経路の制御に関する技術を開示している。

特開平１０−１０４３５４号公報 米国特許第７２８３９３８号明細書 特開平０５−３００１４９号公報 特開平０６−２６６５６０号公報 特開平０８−０６３５８１号公報 特開２００５−２１０４６１号公報

Jing Liang, Qilian Liang, "Design and analysis of distributed radar sensor networks", IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS, VOL. 22, NO. 11, NOVEMBER 2011 Lin Xiao, Stephen Boyad, Sanjay Lall, "A scheme for robust distributed sensor fusion based on average consensus", Proceedings of the 4th International symposium on Information Processing in Sensor Networks (IPSN '05), April 24-27, 2005, pp.63-70

上述したように、特許文献１及び２、並びに非特許文献１に記載された手法は、データを融合する際に、集中サーバで一元的に管理して処理することが前提となっている。そのため、例えば、大規模なシステムの場合は、大量のデータをリアルタイムに収集して処理する必要があり、ネットワークにおける通信負荷及び集中サーバにおける計算負荷が大きくなる。また、分散して配置されたセンサー等を備える個々の装置も集中サーバとの長距離通信が必要になるため、その装置の部品点数が増大し、消費電力も大きくなる。さらに、集中サーバは、システムの単一障害点となるため、耐障害性に課題がある。

一方、非特許文献２に記載された手法は、各ノードが有する変数の算術平均値への収束を利用することから、算術和で融合した情報の平均値から計算できる情報しか扱えない。したがって、非特許文献２に記載された手法を用いてより一般的な演算を行うには、ネットワークに現在参加しているノード数の情報が必要である。そのため、非特許文献２に記載された手法は、平均値以外の演算を必要とする高度な情報融合には使えない。すなわち、非特許文献２に記載された分散手法を用いた最尤推定処理では、一般的な推定判断情報の融合処理ができないという問題点があった。例えば、Average Consensus法を用いれば、完全分散演算に基づく求めたい変数の算術平均に高速に収束させることが可能であり、平均推定等は可能である。しかし、非特許文献２に記載された手法では、より一般的な確率的な推定判断情報の融合処理はできない。また、そのような高度な融合処理を行う上で、予測できないノード故障等に基づいて現在正常に動作しているノード数が変動する場合を考慮した、安定した演算を実現できる仕組みがない。

特許文献３ないし６も、上記問題点を解決する技術を開示していない。

本発明は、上述したような背景技術が有する課題を解決するためになされたものである。本発明の目的は、システムの単一障害点となる集中サーバを不要にするとともに、ノード故障等があっても安定して推定判断処理を行うことができる分散協調情報処理装置、分散協調情報処理方法及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本発明の一形態における分散協調情報処理装置は、
所定のフィールド内に分散して配置される分散協調情報処理装置であって、
センサーデバイスを用いて周囲環境を測定する測定検出手段と、
周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する推定演算手段と、
フィールド内の他の分散協調情報処理装置で生成された推定判断情報を受信する通信手段と、
他の分散協調情報処理装置の情報を管理する隣接管理手段と、
自装置で生成した推定判断情報と他の分散協調情報処理装置から受信した推定判断情報とを融合する融合手段と
を有する。

本発明の一形態における分散協調情報処理方法は、
所定のフィールド内に分散して配置される分散協調情報処理装置が実行する分散協調情報処理方法であって、
センサーデバイスを用いて周囲環境を測定し、
周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成し、
フィールド内の他の分散協調情報処理装置で生成された推定判断情報を受信し、
他の分散協調情報処理装置の情報を管理し、
自装置で生成した推定判断情報と他の分散協調情報処理装置から受信した推定判断情報とを融合する。

本発明の一形態におけるプログラムは、
所定のフィールド内に分散して配置されるコンピュータに、
センサーデバイスを用いて周囲環境を測定する処理と、
周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する処理と、
フィールド内の他のコンピュータで生成された推定判断情報を受信する処理と、
推定判断情報を受信する他の分散協調情報処理装置の情報を管理する処理と、
他のコンピュータの情報を管理する処理と、
自装置で生成した推定判断情報と他のコンピュータから受信した推定判断情報とを融合する処理と
を実行させる。

本発明によれば、システムの単一障害点となる集中サーバを不要にするとともに、ノード故障等があっても安定して推定判断処理を行うことができる。

第１の実施の形態に係る分散協調情報処理システムの一構成例を示すブロック図である。 図１に示した分散協調情報処理装置の機能を実現する情報処理装置のハードウェアの一構成例を示すブロック図である。 図２に示した分散協調情報処理装置における融合処理で用いるチャネル構成及び処理の一例を示す模式図である。 第２の実施の形態に係る分散協調情報処理装置の一構成例を示すブロック図である。 本発明の第１具体例の構成を示す概念図である。 図５に示した分散小型レーダーシステムにおける資源利用量の調整例を示す模式図である。 図５に示した分散小型レーダーシステムで利用者が参照できる情報例を示す模式図である。 本発明の第２具体例の構成を示す概念図である。 本発明の第３具体例の構成を示す概念図である。 第１の実施形態の概要を示すブロック図である。

次に本発明について図面を用いて説明する。

（第１の実施の形態）
図１は、第１の実施の形態に係る分散協調情報処理システムの一構成例を示すブロック図である。

図１に示すように、第１の実施の形態の分散協調情報処理システムは、所定のフィールド内に分散して配置された複数（図１では３台）の分散協調情報処理装置２００を備える。分散協調情報処理システムにおいて、各分散協調情報処理装置２００が、通信可能に接続されてネットワークが形成された構成である。以下では、ネットワークを形成する分散協調情報処理装置２００を単に「ノード」と称す場合がある。

分散協調情報処理装置２００は、インターフェース手段２０１、通信手段２０２、隣接管理手段２０３、融合手段２０４、推定演算手段２０５、及び測定検出手段２０６を備える。

インターフェース手段２０１は、分散協調情報処理システムの利用者に情報を提示する、又は利用者からの動作コマンド等を受け付ける、ＣＬＩ（Command Line Interface）又はＧＵＩ（Graphical User Interface）等である。利用者は、分散協調情報処理装置２００が有する情報を、不図示の表示装置を用いて、テーブル形式、テキスト形式、グラフ、地図、又は地形図等の視覚的情報として参照する。あるいは、利用者は、不図示の入力装置（キーボード、マウス等）を用いて、上記各手段の設定パラメータを変更したり、更新したり、動作を制御するコマンド等を入力したりできる。

通信手段２０２は、隣接する分散協調情報処理装置２００（以下、隣接ノードと称す）、又は利用者の端末装置（不図示）等と、ネットワークを介してデータ送受信するための通信装置である。通信手段２０２は、周知のＴＣＰ（Transmission Control Protocol）／ＩＰ（Internet Protocol）等の通信プロトコルを利用して、隣接ノード又は利用者の端末装置等との間で情報の送受信機能を提供する。通信手段２０２は、隣接ノード又は利用者の端末装置と所要の情報を交換できればよく、その通信方式を限定するものではない。通信手段２０２は、端末装置として、タブレット型若しくはブック型のパーソナルコンピュータ、又は携帯電話機等の情報処理装置を用いることができる。

隣接管理手段２０３は、情報を送受信する隣接ノードの情報（ノードＩＤ（identification）のリスト又はＩＰアドレス等）、アクセスを許可する利用者の情報（利用者ＩＤ等）、又はそのアクセス制限情報等を管理する。隣接ノード情報は、利用者がマニュアルで設定してもよい。あるいは、隣接ノード情報は、隣接管理手段２０３が、予め決められた手順又はルールにしたがって自動的に登録及び削除してもよい。隣接ノード情報の登録方法には、例えば、自ノードから所定の距離以内のノードのうち、最も近いノードから予め設定された所定数のノードを順に登録する方法がある。しかし、隣接ノード情報の登録方法は、この方法に限定されるものではない。隣接ノード情報は、ノード故障又はリンク障害等に基づいて通信不能となったノード又は著しく通信品質が劣化したノードを削除したり、必要に応じて他のノードを新たに追加したりすることで、動的に更新されてもよい。

ネットワークは、例えば、ランダムに選択された所定数のノードと接続する構成でもよく、代表ノードに対してスター型に接続する構成でもよく、代表ノードに対してツリー型となるように階層化された構成でもよい。ツリー型の場合、最も近いノードで形成された最下層のサブグループを代表ノードに接続し、その代表ノードをさらに上位のノードに接続する処理を繰り返し、最上位のノードでメッシュネットワークを形成する構成が可能である。また、ネットワークには、全てのノードに対する情報のミキシング速度（全てのノードに情報がいきわたる速度）を考慮して、例えば、自ノードに近いノードと遠いノードとをそれぞれ所定数だけランダムに接続する構成が可能である。

測定検出手段２０６は、分散協調情報処理装置２００の周囲環境を測定する各種のセンサーデバイスを備え、そのセンサーデバイスの測定データから周囲環境を理解するための情報である検出情報を生成する。例えば、測定検出手段２０６がレーダーレンジファインダーを含む場合、そのレーダーレンジファインダーは、電波を発信し、その反射波を測定することで障害物までの距離及び方向を測定する。その場合の検出情報としては、例えば、方向毎の距離に対する反射波強度の分布等を示す情報がある。センサーデバイスには、ドップラー検体センサー、赤外線センサー、超音波センサー、温度センサー、湿度センサー、カメラ、又はマイク等がある。

推定演算手段２０５は、上記の検出情報から、より高次の推定判断情報である局所情報を生成及び管理する。例えば、検出情報がレーダーレンジファインダーに基づく方向毎の距離に対する反射波強度の複数回の測定結果を示す情報である場合、高次の推定判断情報としては、フィールド内の各地点における障害物の存在の確からしさを示す情報がある。以下、そのような情報をマップ情報と称し、推定判断情報の主な例として用いる。推定判断情報は、マップ情報に限定されるものではなく、後述するように、測定結果から得られる、周囲環境の状態の仮説の集合の確からしさを示す情報であれば、どのような情報でもよい。

最も簡易なマップ情報としては、ヒストグラムが考えられる。ヒストグラムは、例えば、センサーデバイスで測定可能な領域を所定の距離区間で分割し、反射波強度が所定の閾値を越える障害物の検出位置に対応する距離区間における障害物の検出頻度をカウントすることで作成できる。一般に、センサーデバイスを用いた測定結果には、様々な測定ノイズが含まれる。そのため、ヒストグラムには、測定ノイズに基づく誤検出が含まれる。ヒストグラムは、測定時の周囲環境における距離区間毎の障害物の検出確率を示す情報と考えることができる。

例えば、レーダーレンジファインダーとして、所定の広がり角度（ｄθ，ｄφ）を有する指向性の強い電波を用いて、３次元空間における方向（θ，φ）を測定する例を考える。（θ，φ）は、極座標表示時の角度成分である。ここで、距離区間の幅をｄｒとすると、ヒストグラムの一つの区間は、距離区間［ｒ，ｒ＋ｄｒ）、角度区間［θ，θ＋ｄθ）及び［φ，φ＋ｄφ）で表される体積素片である。この体積素片におけるヒストグラムの頻度は、対応する空間部分のマップ情報の値となる。

また、レーダーレンジファインダーとして、無指向性のレーダーを用いた場合、電波は球面波として全方位に広がるため、ヒストグラムの一つの区間は、角度情報のない球殻状の距離区間［ｒ，ｒ＋ｄｒ）で表される。したがって、その区間のヒストグラムの頻度は、球殻状に分割された３次元空間のうち、対応する空間部分のマップ情報の値となる。

ただし、測定値はノードの位置を原点とする相対的な距離を示しているため、マップ情報は、ノードの位置座標から補正した絶対座標で表現される。一つのノードで測定可能な領域は限られているため、ノード毎に作成するマップ情報は、そのノードの位置を中心とする局所的な情報であり、測定可能な領域外のマップ情報には０が設定される。

融合手段２０４は、隣接管理手段２０３で管理される各隣接ノードから取得した隣接ノードが管理するマップ情報と、自ノードで管理するマップ情報とを融合することで、システム全体のマップ情報である全体融合マップ情報を生成する。融合手段２０４は、隣接ノードが管理するマップ情報と自ノードで管理するマップ情報とを融合する融合処理を１回以上実行する。

全体融合マップ情報の作成手法は、マップ情報の内容に依存する。例えば、上述したヒストグラムの場合、作成手法は、複数のノードで測定された同一地点における障害物の検出頻度を加算することで、システム全体のヒストグラムを作成する積算演算となる。より高度なマップ情報の生成方法については、後述する。

各ノードは、隣接管理手段２０３で管理される各隣接ノードから通信手段２０２を介してそれぞれのマップ情報を取得し、自ノードのマップ情報と融合して、マップ情報を新たなマップ情報に更新する。集中サーバを用いない融合方法は、複数、知られている。例えば、融合方法の一つとして次の手法がある。その手法は、スパニングツリープロトコル等を用いてツリー型のネットワークを形成する。そして、その手法は、ルートノードに向かって上流にマップ情報をアップロードしつつ、各ノードでマップ情報を融合する。そして、その手法は、最終的にルートノードで作成された全体融合マップ情報を下流のノードへ通知する。

より一般的な方法として、フラットな構造のネットワークにおいて、隣接ノードと情報交換を繰り返しながら各ノードが全体融合マップ情報に収束させていく方法がある。いずれの方法も、耐障害性及び全体融合マップ情報に対するアクセスの容易性等の観点から、全てのノードが同じ全体融合マップ情報を有することが望ましい。

ここで、フラットなネットワーク構造において、情報交換を複数回繰り返しつつマップ情報を融合して全体融合マップ情報を生成する方法について、簡単に説明する。

上記測定結果から推定演算に基づく局所的なマップ情報の作成及び各ノード間における融合までの処理が、ある時刻における処理の概要である。任意の間隔で同様の処理を繰り返すことで、各ノードは、各時刻における全体融合マップ情報を更新できる。なお、全てのノードは、時刻が同期しており、起動及び停止動作のタイミングが一致することが望ましい。ただし、全てのノードが、必ずしも同じタイミング及び間隔で動作しなくてもよい。

図１に示した分散協調情報処理装置２００は、例えば、図２に示す情報処理装置１００を用いて実現できる。

図２は、図１に示した分散協調情報処理装置の機能を実現する情報処理装置のハードウェアの一構成例を示すブロック図である。

図２に示すように、情報処理装置１００は、演算装置１０１、揮発性記憶装置１０２、接続インターフェース１０３、通信装置１０４、測定装置１０５、不揮発性記憶装置１０６、及び電源装置１０７を有する。

演算装置１０１は、ＣＰＵ（Central Processing Unit）等のプロセッサである。演算装置１０１は、不揮発性記憶装置１０６に保存されたプログラムにしたがって処理を実行することで、図１に示した分散協調情報処理装置２００が備える各種機能を実現する。

揮発性記憶装置１０２は、演算装置１０１の処理で用いるデータを一時的に保持する、データを高速に書換え可能なＲＡＭ（Random Access Memory）等の記憶装置である。

接続インターフェース１０３は、ＰＣＩ（Peripheral Component Interconnect）バス等のコンピュータバスであり、情報処理装置１００が備える各装置間をデータの送受信が可能に接続するインターフェースである。

通信装置１０４は、外部のネットワークと接続するための装置であり、ＷｉＦｉ（登録商標）又はＢｌｕｅｔｏｏｔｈ（登録商標）等の無線ネットワークアダプタである。通信装置１０４は、ネットワークと有線で接続するための有線ネットワークアダプタでもよい。

測定装置１０５は、レーダーレンジファインダー又は温度計等の周囲環境を測定するためのセンサーデバイスである。

不揮発性記憶装置１０６は、演算装置１０１で処理を実行するためのプログラム、上述した隣接ノード情報、利用者ＩＤ及びアクセス制限情報、及び演算装置１０１における処理結果等を保存する不揮発性のデータ蓄積装置である。不揮発性記憶装置１０６は、ハードディスクドライブ又はＳＳＤ（Solid State Drive）等の不揮発性のデータ蓄積装置である。

電源装置１０７は、バッテリー又は太陽電池等を含む、情報処理装置１００が備える装置に所要の電力を供給するための電源装置である。情報処理装置１００が備える装置とは、演算装置１０１、揮発性記憶装置１０２、接続インターフェース１０３、通信装置１０４、測定装置１０５、及び不揮発性記憶装置１０６である。

情報処理装置１００は、図２に示した構成に限定されるものではなく、例えば、ＦＰＧＡ（Field-Programmable Gate Array）又はオフロードエンジン、特定の処理を専用に実行するマイクロコンピュータ等の処理装置をさらに備えていてもよい。

次に、推定演算手段２０５における局所的なマップ情報の作成方法について説明する。

上述した説明は、レーダーレンジファインダーでセンシング可能な領域を複数の距離区間に分割し、距離区間毎の測定データを積算することでヒストグラムを作成する手法を用いた。しかしながら、より一般的には、その距離区間に障害物がある場合（仮説ω_１とする）と障害物がない場合（仮説ω_２とする）との確からしさを数値的に表現する手法が効果的である。例えば、推定演算手段２０５は、ベイズ推定手法等を用いて、フィールドの地点（位置Ｘ）毎にヒストグラムの測定結果Ｚが得られた場合のω_１及びω_２の条件付確率Ｐ［ω_１｜Ｚ］及びＰ［ω_２｜Ｚ］を計算する。

ベイズの定理に基づけば、条件付確率の関係は、下記の比例式（１）である。
［比例式１］
Ｐ［ω_ｉ｜Ｚ］∝Ｐ［Ｚ｜ω_ｉ］Ｐ［ω_ｉ］…（１）
この関係があるため、推定演算手段２０５は、事前確率Ｐ［ω_ｉ］と条件付確率Ｐ［Ｚ｜ω_ｉ］とが分かれば、Ｐ［ω_ｉ｜Ｚ］を求めることができる。

一般に、Ｐ［ω_ｉ］は分からない。そのため、推定演算手段２０５は、１回目の測定では事前確率が一様分布であるとし（この場合はＰ［ω_ｉ］＝０．５）、その後の測定では前回の測定結果の確率Ｐ［ω_ｉ｜Ｚ］を事前確率に用いればよい。

Ｐ［Ｚ｜ω_ｉ］は、センサーデバイス又は測定環境に基づいて決まるものである。上記のヒストグラムは、測定結果Ｚを示している。そのため、推定演算手段２０５は、例えば、測定結果Ｚとその理論値分布の適合度から、仮説ω_ｉの測定結果Ｚが得られる確率Ｐ［Ｚ｜ω_ｉ］を求めることができる。その場合、マップ情報は、フィールドの各地点に対して、２次元ベクトル（Ｐ［ω_１｜Ｚ］，Ｐ［ω_２｜Ｚ］）となる。しかし、より一般化する場合、Dempster-Shafer理論（以下、ＤＳ理論と称す）又はTransferable Belief Model（以下、ＴＢＭと称す）に基づくビリーフ関数を用いる方法がある。

ＤＳ理論又はＴＢＭでは、マップ情報を、仮説集合Ω＝｛ω_１，ω_２｝の任意の部分集合Ａ⊆Ωに対する支持度ｍ（Ａ）で表現する。この量は、ＢＢＡ（Basic Belief Assignment）と呼ばれる。

部分集合Ａは、次の数１に示される部分集合である。
［数１］

数１において、
［数２］

は空集合である。ＢＢＡは４次元ベクトルとなる。ここでは、支持度ｍ（Ａ）は、Σ_Ａｍ（Ａ）＝１となるような値を設定する。

ｍ（Ａ）のＡがシングルトン仮説のときのみ０以上の値を持つ場合（ｍ（Ａ）＝０ ｆｏｒ ｜Ａ｜≠１。ただし、｜Ａ｜は部分集合Ａの要素数）、ＤＳ理論又はＴＢＭは、上記ベイズ推定手法と全く同じである。ＤＳ理論又はＴＢＭは、ベイズ推定を特別なケースとして包含する。

シングルトン（Singleton）仮説とは、要素を一つしか持たないという仮説である。

なお、ベイズ推定における上記Ｐ［Ｚ｜ω_ｉ］は、尤度関数Ｌ［ω_ｉ｜Ｚ］とみなせる。尤度関数が分かれば、例えば、ＴＢＭのフレームワーク内でＧＢＴ（Generalized Bayesian Theory）を用いることで、ｍ（Ａ）は、システマティックに設定される。ただし、ｍ（Ａ）の設定方法には、何らかの判断ロジック（例えば、ベイズ推定等）を用いて最も確からしい仮説を選択し、その信頼度をパラメータにして判断の不確実性を表現する手法、又は、経験式を利用して設定する手法等もある。そのため、ｍ（Ａ）の設定方法は、この手法に限定されるものではない。

ノードｉが有するマップ情報は、各区間に含まれる数３で示される地点のＢＢＡの集合である。
［数３］

数３において、
［数４］

は、全体フィールドである。以下、特に測定結果Ｚから求めた値であることを示す場合は、支持度ｍ（Ａ）を数５のように表記する。
［数５］

数５は、特定の仮説の部分集合Ａ、測定結果Ｚ、及び位置Ｘを表現する必要がない場合は、ｍ_ｉのように省略して表記する。

次に、フラットなネットワーク構造を例にして、融合手段２０４におけるマップ情報の融合方法について説明する。

各ノードは、グラフＧ＝（Ｖ，Ｅ）で表されるネットワークを形成しているとする。ここで、Ｖはノード集合、Ｅはエッジ集合である。また、各エッジは、双方向とする。一般に、以下の議論は、グラフＧは、時間とともに変動しても、Jointly Connected（時刻とともにエッジ集合Ｅが変わるグラフＧ（ｔ）のユニオンがConnected）であればよい。しかし、ここでは説明を簡単にするため、グラフＧは、時間不変であり、Connectedであるとする。グラフＧが与えられると、各ノードの隣接ノードが決まる。このとき、ノードｉの隣接ノードの集合をＶ_ｉとする。

融合手段２０４は、ノードｉが、自ノードのマップ情報と隣接ノードのマップ情報とから、それらを融合したマップ情報への更新を繰り返すことで、全てのノードのマップ情報を融合したものと同じ結果（全体融合マップ情報）を実現する。そうすることで、全てのノードは、同じ全体融合マップ情報を有することができる。

ここで、マップ情報の融合とは、上記ＢＢＡを正規化しないDempsterの結合ルールにしたがって自ノードのマップ情報と隣接ノードのマップ情報とを結合することを意味する。正規化しないDempsterの結合ルールでは、２つのマップ情報ｍ_１、及びｍ_２がある場合、その融合マップ情報ｍを以下の数６に示される等式（２）のように定義する。
［数６］

なお、
［数７］

は正規化しないDempsterの結合を表す。このようにして融合されたマップ情報ｍは、ｍ_１及びｍ_２単独よりも情報量が多い情報となる。これは、ある地点に関する仮説における部分集合Ａの支持度（確からしさ）を考えるとき、一つのノードが確からしいと判断するよりも、独立した２つのノードが同じく確からしいと判断した方が、より信頼度が高いことを意味している。上記の融合は、全ての仮説における部分集合Ａについて定量的に信頼度を計算する手法である。この融合の結果は、上述したようにシングルトン仮説に対応して値が設定されている場合、ベイズ推定を用いた融合と全く同じ結果となる。

さらに、ＢＢＡがベイズ推定等のように確率を用いた手法と比べて優れている点は、情報が全くないことを以下の数８に示される条件式（３）のような特別なＢＢＡを用いて表現できることである。
［数８］

この特別なＢＢＡは、Vacuous Belief Functionとも呼ばれており、以下、単位ＢＢＡと称して１_Ｄと表記する。単位ＢＢＡを用いると、ベイズ推定における事前確率の設定問題を回避できる。例えば、ノードｉの測定範囲
［数９］

の外の点（位置）については、融合手段２０４は、融合前に何の情報も有していないため、ベイズ推定では事前確率として１／２の値を使用する。一方、融合手段２０４は、ＤＳ理論又はＴＢＭでは、１_Ｄを用いればよい。

全てのノードが有するマップ情報ｍ_ｉを融合した全体融合マップ情報ｍ_{ｔｏｔａｌ}は、数１０となる全ての地点
［数１０］

に対して、数１１に示される等式（４）
［数１１］

を計算することである。ここで、
［数１２］

は、ノード集合Ｖ（｜Ｖ｜＝Ｎとする）の全てのノードに対して、上記の等式（２）の正規化しない下記の数１３に示すDempsterの結合
［数１３］

を行った
［数１４］

を表す。

すなわち、融合手段２０４において、各ノードｉにおけるｋ回目のマップ情報の取得又は更新した結果をｍ_ｉ（ｋ）としたとき、ｋ＝１，２，…に対して、全てのノードｉでｍ_ｉ（ｋ）→ｍ_{ｔｏｔａｌ}に収束することが目的となる。ここで、ｍ_ｉ（ｋ）のｋは、隣接ノードからのマップ情報の取得又は更新の繰り返し数を示す番号である。

以下、逐次融合処理（隣接ノードからマップ情報を取得し、自ノードのマップ情報と融合して更新する処理の繰り返し）を用いて、全てのノードが有するマップ情報がｍ_{ｔｏｔａｌ}に収束する手法を具体的に説明する。

まず、システム内の全てのConnectedなノード数が既知であり（Ｎ個）、故障等が発生していない場合を考える。

Average Consensus法は、Ｎ台のノードがConnectedなネットワークを構成すると仮定する。そして、Average Consensus法は、ノードｉが有するスカラー又はベクトル量ａ_ｉについて、隣接ノードと交換しながらａ_ｉを更新する処理を繰り返す。そのことで、Average Consensus法は、全てのａ_ｉが、その算術平均＜ａ＞＝（ａ_１＋・・・＋ａ_Ｎ）／Ｎに収束する手法である（非特許文献２を参照）。繰り返し回数ｔ＋１における更新処理は、下記の数１５に示される等式（５）で与えられる。
［数１５］

ただし、Ｖ_ｉはノードｉの隣接ノード集合であり、Ｗ_ｉ，ｊは重み係数である。重み設定の一つの方法として、下記の数１６に示されている条件式（６）がある。
［数１６］

ここで、（ｉ，ｊ）はノードｉとノードｊを接続するエッジであり、Ｅはエッジ集合であり、ｄ_ｉはノードｉの現在の次数（隣接ノード数）である。

このとき、融合手段２０４が等式（５）にしたがって更新処理を繰り返すと、全てのａ_ｉは、下記の数１７で示される等式（７）のように、初期値の算術平均に収束することが知られている。
［数１７］

ここで、Ｖはノード集合である。上記の等式（７）の算術和「＋」を
［数１８］

に変換できれば、Ｎが既知の場合、融合手段２０４は、Ｎ×ｍ_ｉを等式（４）のｍ_{ｔｏｔａｌ}に収束させることができる。以下、その手法を説明する。

任意のＢＢＡであるｍが与えられたとき、一対一に対応するコモナリティ関数ｑが必ず存在する。そして、ｍとｑとの両者を変換するためのｑ＝Ψ（ｍ）と逆変換ｍ＝Ψ^−１（ｑ）とが、下記の数１９に示される等式（８）及び（９）として存在する。
［数１９］

ただし、Ｍは想定される全てのｍの集合であり、Ｑは想定される全てのｑの集合である。

ここで、融合手段２０４は、ＢＢＡを以下のように定義される変換Φを用いて、下記の数２０で表される等式（１０）のように、ログコモナリティ関数ｌｑに変換する。
［数２０］

ＬＱは、想定される全てのｑの各部分集合Ａに対する値の自然対数ｌｎを計算したものの集合である。この場合、任意のｍ_１及びｍ_２に対する上記の等式（２）で定義される融合演算
［数２１］

は、以下の数２２に示される等式（１１）のように算術和の指数関数を逆変換したものとなる。
［数２２］

したがって、ログコモナリティ関数に関してAverage Consensus法を適用し、最後にその指数関数を計算すれば、下記の数２３に示される等式（１２）として、全体融合マップ情報のコモナリティ関数表現ｑ_{ｔｏｔａｌ}が得られる。
［数２３］

さらに、ｑ_{ｔｏｔａｌ}を逆変換すると、融合手段２０４は、全体融合マップ情報を、下記の数２４で示される等式（１３）を用いて求めることができる。
［数２４］

上記の条件式（６）では、自ノードだけでなく隣接ノードの次数が必要となる。ネットワークが変化しなければ、隣接ノードの次数は、一度、取得されればよい。しかしながら、一般的には、隣接ノードのログコモナリティ関数に加えて、現在の隣接ノードの次数も同時に取得することが望ましい。

ここまでは、ノード及びリンク故障がなく、通信可能なノード数Ｎが既知であるとした。しかし、障害等の発生にしたがってＮが変動する場合、上記の等式（１２）のＮは、システム全体のノード数ではなく、現在正常に動作している（アクティブな）ノード数（Ｎ’とする）となり、未知数となる。そのため、Ｎ’を推定する必要がある。以下、その手法について説明する。

まず、融合手段２０４は、Average Consensus法を実行する他のネットワークチャネルを用意し、各ノードでスカラー量Ｓを設定する。ノードｉの時刻ｔにおけるスカラー量ＳをＳ_ｉ（ｔ）のように表記する。

アクティブノード数の第１の推定方法では、融合手段２０４は、全てのノードのうち、いずれか一つのノード（ｉとする）に初期値をＳ_ｉ（０）＝１を設定し、それ以外のノード（ｊとする）に対してＳ_ｊ（０）＝０を設定する。

この場合、Average Consensus法を実行した結果、全てのノードｉ＝１、…、Ｎのスカラー量Ｓ_ｊ（ｔ）は、１／Ｎ’に収束する。ただし、Ｎ’は、現在接続されているノード数であり、全体のノード数Ｎから故障等に基づいて通信不能なノード数Ｑを減算したＮ−Ｑである。したがって、融合手段２０４は、Ｓ_ｊ（ｔ）の収束値の逆数１／Ｓ_ｉ（∞）を計算すれば、Ｎ’を推定できる。

この方法では、Ｓ_ｉ（０）＝１のノードｉが故障すると、ノードｉ以外の全てのノードのスカラー量Ｓの初期値Ｓ_ｊ（０）が０となるため、その収束値も０となり、融合手段２０４は、Ｎ’を求めることができない。そこで、アクティブノード数の第２の推定方法では、融合手段２０４は、Ｓ_ｉ（０）＝１に設定するノードｉを毎回ランダムに選択する。その場合、故障したノードとＳ_ｉ（０）＝１に設定したノードｉとが、たまたま一致しない限りは、融合手段２０４は、Ｎ’を求めることができる。

また、アクティブノード数の第３の推定方法は、Ｋ個のノードで構成される集合Ｕを考え、集合Ｕに属するノードｉ∈Ｕに対してＳ_ｉ（０）＝１に設定する手法である。その場合、例えば、平均故障率（平均故障ノード数の全体に対する割合であり、例えば、Mean Time Failure等から設定可能）をＲとしたとき、Ｕに属するＫ個のノードのうち、たまたま故障するノードの数の期待値は、Ｋ×Ｒとなる。

したがって、Ｕに属するノードのうち、（１−Ｒ）×Ｋ個のノードで初期値は１となり、それ以外のノードのうち、動作している（１−Ｒ）×（Ｎ―Ｋ）個のノードでは初期値が０となる。そのため、各ノードｉのＳ_ｉ（ｔ）の収束値は
［数２５］

となる。そして、収束値の逆数に（１−Ｒ）×Ｋを乗算すれば、融合手段２０４は、下記の数２６に示される等式（１４）として、Ｎ’の推定値（１−Ｒ）×Ｎを求めることができる。
［数２６］

したがって、Ｎに関する知識が全くなくても、融合手段２０４は、平均故障率Ｒと、予め設定した初期値を０としたノードの集合Ｕに属するノード数Ｋとが分かれば、現在アクティブなノード数を得ることができる。

この手法は、必ずしもノード故障だけでなく、例えば、ノードを追加又は削除する場合にも適用することが可能であり、既存のノードの設定を変更しなくてもアクティブなノード数Ｎ’を見積もることができる。

さらに、他のアクティブなノード数Ｎ’の見積り方法として、エッジ数に着目する手法について説明する。

全てのノード数Ｎと、ノードの次数分布が平均λのポアソン分布であることが分かっているとする。

ノードｉ∈Ｖは、現在、アクティブな（通信可能な）隣接ノード数をＳ_ｉ（０）に格納する。その場合、融合手段２０４は、収束値Ｓ_ｉ（∞）を下記の数２７に示される等式（１５）に適用して、現在のアクティブなノード数Ｎ’を推定できる。
［数２７］

次に、融合手段２０４における、アクティブな全てのノードが有するマップ情報を、上記の等式（４）を用いて融合する手法について図３を用いて説明する。

図３は、図２に示した分散協調情報処理装置における融合処理で用いるチャネル構成及び処理の一例を示す模式図である。

ここではアクティブなノード数の見積りに上記第３の推定方法を用い、予めＫ個のノードに対してＳ_ｉ（０）＝１を設定し、それ以外のノードにＳ_ｉ（０）＝０を設定しておく。

まず、図３に示すように、ノードｉの融合手段２０４は、ネットワーク７０１上に、アクティブなノード数（Ｎ’）を見積もるためのAverage Consensusネットワーク（以下、アクティブノードチャネルと称す）７０２を設定する。さらに、融合手段２０４は、マップ情報を融合するためのAverage Consensusネットワーク（以下、マップ情報チャネルと称す）７０３を設定する。そして、融合手段２０４は、それぞれを初期化する。具体的には、融合手段２０４は、繰り返し回数が０のＳ_ｉ（０）の設定値をアクティブノードチャネル７０２の初期値に設定する。そして、融合手段２０４は、マップ情報をログコモナリティ情報に変換した
［数２８］

をマップ情報チャネル７０３の初期値に設定する。ここで、
［数２９］

は、時刻０における、地点
［数３０］

のログコモナリティ関数である。ログコモナリティ関数は、部分集合Ａ⊆Ωに対して、下記の数３１に示される等式（１６）である。
［数３１］

そして、ノードｉの融合手段２０４は、繰り返し回数Ｔにおいて、隣接管理手段２０３及び通信手段２０２を用いて、隣接管理手段２０３が管理する隣接ノードｊ∈Ｖ_ｉから、次のような情報を取得する。この情報とは、現在アクティブな隣接ノード数ｄ_ｊ（ｔ）、アクティブノードチャネルの値Ｓ_ｊ（ｔ）、及び、ログコモナリティ情報ｌｑ_ｊ（ｔ）である。

続いて、融合手段２０４は、等式（５）にしたがってＳ_ｊ（ｔ）及びｌｑ_ｊ（ｔ）を更新する。これを所定の繰り返し回数Ｔだけ繰り返すことで、融合手段２０４は、アクティブノードチャネル７０２の値Ｓ_ｊ（Ｔ）（この値からＮ’を求めることができる）及びログコモナリティ情報ｌｑ_ｊ（Ｔ）を取得する。繰り返し回数Ｔは、予め、融合手段２０４は設定されておいてもよい。あるいは、融合手段２０４は、前回からの変化量を監視し、予め設定された変化量以下の値となったところで処理を終了してもよい。

融合手段２０４は、こうして得られたアクティブノードチャネル７０２の値Ｓ_ｊ（Ｔ）、及びログコモナリティ情報ｌｑ_ｊ（Ｔ）から、全体融合マップ情報ｍ_{ｔｏｔａｌ}の推定量
［数３２］

を、以下の数３３に示される等式（１７）を用いて求める。
［数３３］

第１の実施の形態に基づけば、各ノードが測定結果からベイズ推定、ＤＳ理論、又はＴＢＭを用いて推定した周囲環境に関する推定判断情報を分散的な手法で融合させることで、集中サーバが不要になる。そのため、システムの単一障害点が除去されて耐障害性が向上する。

また、第１の実施の形態は、現在アクティブなノード数を推定しつつ、各アクティブなノードで推定判断情報を融合するため、ノード故障等があっても、安定して推定判断処理を行うことができるとの効果を奏する。

その理由は、次のとおりである。測定検出手段２０６は、センサーデバイスを用いて周囲環境を測定する。推定演算手段２０５は、周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する。通信手段２０２は、フィールド内の他の分散協調情報処理装置で生成された推定判断情報を受信する。隣接管理手段２０３は、他の分散協調情報処理装置の情報を管理する。融合手段２０４は、自装置で生成した推定判断情報と他の分散協調情報処理装置から受信した推定判断情報とを融合する。このように、分散協調情報処理装置２００は、周囲環境の測定結果を基にした推定判断情報と隣接装置の推定判断とを融合した情報を作成するためである。

すなわち、第１の実施形態の概要は、次のとおりである。図１０は、第１の実施形態の概要である分散協調情報処理装置２５０の構成を示すブロック図である。

分散協調情報処理装置２５０は、所定のフィールド内に分散して配置される。分散協調情報処理装置２５０は、測定検出手段２０６と、推定演算手段２０５と、通信手段２０２と、隣接管理手段２０３と、融合手段２０４とを備える。測定検出手段２０６は、センサーデバイスを用いて周囲環境を測定する。推定演算手段２０５は、周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する。通信手段２０２は、フィールド内の他の分散協調情報処理装置で生成された推定判断情報を受信する。隣接管理手段２０３は、他の分散協調情報処理装置の情報を管理する。融合手段２０４は、自装置で生成した推定判断情報と他の分散協調情報処理装置から受信した推定判断情報とを融合する。

分散協調情報処理装置２５０は、分散協調情報処理装置２００と同様の効果を奏する。その理由は、分散協調情報処理装置２５０に含まれる各構成が、分散協調情報処理装置２００の構成と同様に動作するためである。分散協調情報処理装置２５０は、第１に実施形態の最小構成である。

（第２の実施の形態）
次に、本発明の第２の実施の形態について図面を用いて説明する。

図４は、第２の実施の形態に係る分散協調情報処理装置の一構成例を示すブロック図である。分散協調情報処理システムの構成は、図１に示した第１の実施の形態と同様であるため、ここではその説明を省略する。

図４に示すように、第２の実施の形態の分散協調情報処理装置３００は、インターフェース手段３０１、通信手段３０２、隣接管理手段３０３、融合手段３０４、推定演算手段３０５、及び、測定検出手段３０６を有する。さらに、分散協調情報処理装置３００は、位置管理手段３０７、時刻同期手段３０８、資源制御手段３０９、及び、転送制御手段３１０を有する。

第２の実施の形態の分散協調情報処理装置３００が備えるインターフェース手段３０１、通信手段３０２、及び隣接管理手段３０３は、図１に示したインターフェース手段２０１、通信手段２０２、及び隣接管理手段２０３と同様の機能を備えた構成である。さらに、第２の実施の形態の分散協調情報処理装置３００が備える融合手段３０４、推定演算手段３０５、及び測定検出手段３０６は、図１に示した融合手段２０４、推定演算手段２０５及び測定検出手段２０６と同様の機能を備えた構成である。

時刻同期手段３０８は、各ノードがそれぞれ具備するタイマ（不図示）が示す時刻を互いに同期させる。時刻同期手段３０８は、時刻同期に、例えば、周知のＮＴＰ（Network Time Protocol）を用いてもよく、ＦＴＳＰ（Flooding Time Synchronization Protocol）を用いてもよい。時刻同期手段３０８における時刻同期の処理に基づいて、全てのノードが同期して動作する。

位置管理手段３０７は、測定又は通知されることで取得した自ノードの位置情報を管理する。位置管理手段３０７は、例えば、ＧＰＳ（Global Positioning System）を用いて測定した自ノードの位置情報を管理する。上述した第１の実施の形態では、各ノードの位置が既知であるとして説明した。しかし、第２の実施の形態では、各ノードそれぞれが備える位置管理手段３０７が、位置情報を取得する。

位置管理手段３０７は、自ノードの位置情報を、位置が既知の複数の情報源から求めることも可能である。例えば、時刻同期手段３０８を用いて各ノードの時刻が同期している場合は、次のとおりである。すなわち、位置管理手段３０７は、３次元空間内の少なくとも４点の既知な場所において、位置が未知のノードから発せられた電波又は音波等の距離を測定可能な情報を受信できれば、その位置を特定できる。

既知の位置（ｘ_ｊ、ｙ_ｊ、ｚ_ｊ）のノードｊが、未知の位置（ｘ、ｙ、ｚ）のノードから発信された、未知の時刻ｔに速度ｖで伝搬する信号を受信した場合、下記の数３４に示される等式（１８）が成り立つ。
［数３４］

ここで、発信時刻を未知数とするのは、ノードどうしの時刻が厳密に同期しているとは限らないためである。したがって、位置が既知の最低４つの異なる地点における測定情報があれば、位置管理手段３０７は、未知数（ｘ、ｙ、ｚ、ｔ）を求めることができる。

さらに、５つ以上の測定情報があれば、異なる２つのノードｊ（ｋ＝１，…，Ｋに対してｊ_ｋ，ｊ_ｋ＋１とする）について、それぞれ上記の等式（１８）を計算することで、位置管理手段３０７は、未知数（ｘ、ｙ、ｚ、ｔ）についてＫ個の式を得ることができる。このＫ個の式は、下記の数３５に示される等式（１９）である。
［数３５］

等式（１９）は、（ｘ、ｙ、ｚ、ｔ）を４次元ベクトルｒ＝（ｘ、ｙ、ｚ、ｔ）^Ｔとすると、以下の代数方程式（２０）を用いて表現できる。
Ａｒ＝ｂ …（２０）
ただし、行列ＡはＫ行４列の行列であり、ベクトルｂはＫ次元ベクトルであり、それぞれのｋ行成分は、以下の数３６に示される等式（２１）及び（２２）を用いて表される。
［数３６］

代数方程式（２０）の二乗誤差が最小となる最適解の４次元ベクトルｒは、数３７に示される行列Ａのムーアペンローズ（Moore-Penrose）逆行列を用いて、下記の数３７に示される等式（２３）を用いて求められる。
［数３７］

［数３８］

等式（２３）の解は、最小二乗となり、一般にＫの数が多いほど精度がよくなる。

上記のような位置測定及び管理を行う方法として、位置管理手段３０７が、位置を測定したノード又はＧＰＳを搭載した複数のノードを予めシステムに備えておき、上述した逐次的な位置測定及び位置特定を行う手法がある。

位置管理手段３０７は、位置が既知の最低５つのノードから位置が特定されたノードを、次のノードの位置測定に用いる位置が既知のノードとして用いると、位置が既知のノード数が増える。そのため、測定情報も増大し、それ以降のノードの位置測定の精度が向上することが期待できる。さらに、そのようにして位置が特定されたノードを既知のノードとして、既に位置を測定済みのノードで再度位置の測定を繰り返すことで、精度がさらに向上する効果が得られる。

また、ＧＰＳを搭載した位置情報を取得できる移動機が、ノードの周辺を移動しながら、複数の位置で電波又は音波等の距離測定が可能な信号を発信する手法が考えられる。その場合、移動機は、なるべく様々な位置から信号を発信することが望ましい。その場合、ノードの位置管理手段３０７は、移動機から得られた信号の発信座標とその受信時刻とに基づき、発信時刻及び自ノードの位置座標を未知数として上記の計算を行うことで、自ノードの位置を特定できる。

自ノードの位置は、上述したマップ情報を相対的な座標から絶対座標に変換する際に必要である。例えば、レーダーのような電波の反射から得られる位置情報は、ノードを原点とする相対的な座標しか分からない。そのため、ノードの位置から絶対位置に変換することで、ノードは、隣接ノードのマップ情報と融合が可能になる。

資源制御手段３０９は、融合手段３０４で得られた全体融合マップ情報に基づき、自ノードの資源利用状態を制御する。例えば、各ノードをランダムに設置した場合、地形的な理由等でノードの設置数に粗密がある場合、又は妨害電波又は遮蔽物等に基づきノードにおける高品質な測定又はノード間で高確度に通信できない場合、次の制御が必要となる。すなわち、所定の水準以上の測定品質を確保しつつ、少ない資源利用量で全体融合マップ情報を作成するには、環境に応じた資源制御が必要になる。

また、ノード数が少ない場所では情報量が低下することで、一般に品質が低下する。ノードが過剰に存在する場所では情報量が必要以上にあるため、過剰品質となっている可能性が高い。資源制御手段３０９は、ノードにおける資源利用状態を変更することで、動的に品質を調整する。なお、品質とは、例えば、得られた全体融合マップ情報の信頼度等を指す。

例えば、消費電力を低減するため、ノードが動作状態とスリープ状態とを繰り返す間欠動作を行う場合を考える。その場合、動作間隔が短い方がより多くの情報を取得できるが、消費電力が増大して記憶装置の利用容量が大きくなる。そこで、資源制御手段３０９は、全体融合マップ情報に基づき、自ノードが担当する測定領域の品質が、他ノードが担当する測定領域よりも高い場合は、動作間隔を長くする。また、資源制御手段３０９は、品質が低い場合は、動作間隔を短くする。このように、資源制御手段３０９は、資源利用状態を変更することで、ノードの分布に基づいて生じるマップ全体の品質の不均一性を調整する。

例えば、地点
［数３９］

における品質は、上記の等式（１７）で得られた全体融合マップ情報の推定量のうち、
［数４０］

の大きさで計量できる。

ここで、Ω＝｛ω_１，ω_２｝は「何もわからない」ことを表す量である。
［数４１］

が大きい場合は、仮説ω_１又はω_２のどちらが正しいかを判断する情報が不足していることを意味する。

そのため、他の地点と比べて自ノードが担当する測定領域内の地点に関する
［数４２］

が大きい場合、動作間隔を短くする等の資源の利用制御を行うことが有効である。これ以外にも、測定検出手段３０６における測定性能又は隣接ノードとの通信頻度を変更する等の資源制御がある。例えば、レーダー等の場合、電波の送信電力を大きくすることで、到達距離を長くて検出精度を上げることが考えられる。

一般に、品質は、ノードの資源利用量を増やせば向上する。そのため、資源制御手段３０９は、資源利用状態を、現在の品質を所望の品質に改善する、又は、領域若しくは地点毎の品質のばらつきを是正する等を目的にして制御すればよく、上記の例に限られるものではない。

さらに、資源制御手段３０９は、品質の定義として、上記
［数４３］

に代えて
［数４４］

を用いることもできる。

空集合
［数４５］

は、意見対立の大きさを意味し、複数のノードの測定値が矛盾していることを意味する。これは、何らかの原因で測定精度が低下していると考えられる。そのため、例えば、
［数４６］

が大きい地点を担当するノードは、より正確な情報が取得できるように、電波の送信電力を大きくする等を行うことが有効と考えられる。

転送制御手段３１０は、ノード間の情報の送受信を抑制する。例えば、転送制御手段３１０は、測定検出手段３０６における測定結果と同一地点における測定結果を含む隣接ノードの推定判断情報を送受信するように通信手段３０２を制御する。分散協調情報処理システムでは、全てのノードが、少なくとも一部の他のノードの情報を知る必要がない場合が考えられる。例えば、広大なフィールドに大量のノードを分散配置し、フィールドの各地点に障害物が存在する確率情報（上記マップ情報）を生成する場合を考える。このような場合、アプリケーションによっては、フィールドの一端に配置されたノードは、遠方の他端に配置されたノードが測定したマップ情報を知る必要がない場合がある。上記の等式（５）及び（１１）で示した融合のための更新処理は、ノード毎に独立して実行される。そのため、原理的には、ある地点のノードにおける融合結果は、他の地点のノードにおける融合結果に影響を及ぼさない。したがって、原理的には、同一地点の情報を必要とする複数のノードが、その地点の情報を共有すればよい。それらのノードは、不要な情報を処理しない、又は、受信しなくてもよい。

そこで、転送制御手段３１０は、マップ情報を必要とする興味エリア又は地点を予め設定しておき、物理的なネットワーク上に、必要とする情報毎に論理的なオーバーレイネットワークを構築する。その場合、転送制御手段３１０は、交換するマップ情報に応じてオーバーレイネットワークを選択する。その結果、各ノードでは、上述した融合処理に不要な情報が利用されない。そのため、各ノードは、無駄な計算処理を省くことができる。

また、オーバーレイネットワークを介して各ノードが必要な情報を送受信することで、物理ネットワークにおける不要な情報転送を削減できる。ここで、動的なノードの増減に対応するには、オーバーレイネットワーク毎に、ノードが、上述したアクティブノード数の推定処理を同時に実行すればよい。オーバーレイネットワークは、関連する興味エリア又は地点の情報が必要な全てのノードが接続されるように構築すればよい。

端末装置３２０は、分散協調情報処理装置３００から情報を取得するための装置であり、分散協調情報処理装置３００で管理するマップ情報を表示することで利用者にマップ情報を提供する。

具体的には、上述した全体融合マップ情報の推定量
［数４７］

の各成分値を活用するための表示を用いて、利用者は、現在の状況を、より効果的に把握できる。

以下、レーダーを例にして、対象物の存在有無を、マップ情報を用いて表示する例を示す。

一般的な存在確率の表示には、推定量
［数４８］

を確率を示す値に変換すればよい。例えば、この表示として、Pignistic Transformation法がある。これは、仮説集合Ω＝｛ω_１，…，ω_Ｈ｝(仮説の数をＨとした)の全ての部分集合Ａ⊆Ωについて定義された推定量
［数４９］

を仮説集合の要素のみ（シングルトン仮説）に定義された度合いに変換する手法である。この手法では、確率は、任意のＢＢＡ、及びｍに対して、以下の数５０に示される等式（２４）で定義される。
［数５０］

例えば、Ω＝｛ω_１，ω_２｝のとき、等式（２４）は、
［数５１］

となる。

ここでは、等式（２４）に基づく各地点における対象物の存在確率を示す値を用いた視覚的情報表示方法を「標準表示情報」と称す。標準表示情報は、仮説集合のうち、どれかを選ぶとしたら、どの仮説がどれくらいの対象物の存在確率であるかを示している。したがって、標準表示情報は、最も標準的な情報とみなせる。具体的には、レーダーシステム等における各地点での対象物の有無等の仮説に関して、ある選択した仮説ω_ｉの確率を示す値を用いたヒートマップ表示等が、典型的な標準表示情報の表示例である。ただし、標準表示情報は、これに限定されるものではない。

しかしながら、標準表示情報は、一方でシングルトン仮説以外の仮説集合の部分集合の情報を活用しきれていない。例えば、上述したように
［数５２］

は、意見対立の大きさを表す。しかし、等式（２４）は、仮説を規格化し直しているため、その量が反映されていない。意見対立が大きい地点の情報は、信頼できない情報である。例えば、対象物の有無について、より確度の高い地点を表示するモードでは、所定量以上の
［数５３］

を有する地点を表示しないことも可能である。

同様に、
［数５４］

は、知識が全くないことを意味し、障害物があるともないとも言えない度合いを示している。そのため、端末装置３２０は、所定量以上では表示対象から外す等の処理を行ってもよい。

その場合、利用者は、情報の確度に応じた表示を選択できることが望ましい。確度の選択に基づいて、利用者は、等式（２４）で計算される確率は同じでも、より確度の高いものと、そうでないものとの区別が可能になる。

第２の実施の形態に基づけば、第１の実施の形態と同様の効果が得られるとともに、位置管理手段３０７を用いて各ノードがそれぞれの位置情報を取得する。位置情報を基に、全てのノードが、自装置の観測可能な範囲だけではなく、全体の推定判断情報を得ることができる。そのため、その結果を用いる資源制御手段３０９を用いて、各ノードが、自律的に資源利用状態を変化させる。そして、資源利用状態の変化に基づいて、各ノードが、測定対象範囲における推定品質を所定の水準以上に保つことが可能である。

以上、実施形態を参照して本願発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成及び詳細には、本発明のスコープ内で当業者が理解し得る様々な変更が可能である。

（第１具体例）
次に、分散小型レーダーシステム４００を例にして、本発明の第１具体例について、図面を用いて説明する。

図５は、本発明の第１具体例の構成を示す概念図である。

図６は、図５に示した分散小型レーダーシステムにおける資源利用量の調整例を示す模式図である。

図７は、図５に示した分散小型レーダーシステムで利用者が参照できる情報例を示す模式図である。

図５に示すように、分散小型レーダーシステム４００は、位置が未知の複数の第１のレーダー４０２と位置が既知の複数の第２のレーダー４０３とを有する。そして、第１のレーダー４０２及び第２のレーダー４０３が、監視対象であるフィールド４０１内にランダムに配置された構成である。フィールド４０１は、２次元空間であり、予め設定された分解能で位置を特定するための単位である、マス目状に分割された複数のセル４０５が定義されている。

第１具体例の分散小型レーダーシステム４００は、各セル４０５に何らかの障害物が存在する確からしさを示す情報（マップ情報）を演算することを目的とする。なお、本具体例では高さ方向を考慮しない２次元空間を例にして説明するが、本具体例は、３次元空間にも適用可能である。

第２のレーダー４０３はＧＰＳ等を用いて自装置の位置を測定できる。あるいは、第２のレーダー４０３は、設置時に自装置の位置情報が入力又は設定されている。また、第１のレーダー４０２と第２のレーダー４０３とは、互いの距離を測定するために、特定の周波数又は変調方式を用いて、電波又は音波等の信号を送受信できるとする。

上述した第２の実施の形態で示した手法に基づき、第１のレーダー４０２は、その位置を、近隣の少なくとも３台以上の第２のレーダー４０３と情報を送受信することで、特定できる（フィールド４０１が三次元空間の場合は４台以上）。

自装置の位置を特定した第１のレーダー４０２は、位置が未知の他の第１のレーダー４０２にとって、第２のレーダー４０３と同様の役割を担うことができる。このように、逐次的にシステム全体の各レーダーの位置が特定される。

第１のレーダー４０２及び第２のレーダー４０３は、放射した電波の反射波を検出することで、測定可能な範囲内に存在する障害物との距離を測定するレーダーである。第１のレーダー４０２及び第２のレーダー４０３は、狭い角度幅の指向性を有する電波を順次全方向へ放射する指向性レーダー、又は、所定の角度範囲若しくは最大で球面状に全方位に対して電波を同時に放射する無指向性レーダーである。

また、第１のレーダー４０２及び第２のレーダー４０３は、指向性レーダーの場合、反射波からレーダーの設置位置に対する障害物の角度及び距離を所定の精度で特定できる。また、第１のレーダー４０２及び第２のレーダー４０３は、無指向性レーダーの場合、障害物との距離を特定できる。

第１のレーダー４０２及び第２のレーダー４０３は、所定の間隔毎に測定を開始し、複数のパルス波を連続して放射することで、一回の測定で障害物との距離を複数回取得する。第１のレーダー４０２及び第２のレーダー４０３は、任意の位置のセルＸに障害物がある場合（仮説ω_１）及びない場合（仮説ω_２）の距離の測定結果Ｚを得る条件付確率を求める。そして、第１のレーダー４０２及び第２のレーダー４０３は、確率を尤度として用いることで、そのセルＸにおけるマップ情報を作成する。

ここで、マップ情報とは、仮説集合Ω＝｛ω_１，ω_２｝として、その任意の部分集合
［数５５］

に対して定義されるＢＢＡである。このＢＢＡは、第１のレーダー４０２及び第２のレーダー４０３が測定して作成した局所的なマップ情報であり、測定可能な領域以外のセルに対するマップ情報が定義されていない。

次に、第１のレーダー４０２及び第２のレーダー４０３は、所定の距離以下で隣接するレーダーを隣接レーダーとして、例えば、ＷｉＦｉ等で接続された無線ネットワークを用いて、物理的な接続リンクを形成する。そして、第１のレーダー４０２及び第２のレーダー４０３は、上記のマップ情報チャネル及びアクティブノードチャネルを作成する。そして、第１のレーダー４０２及び第２のレーダー４０３は、隣接レーダーから、それぞれが保有するマップ情報と、現在のアクティブな隣接レーダーの数と、アクティブノード数を推定するためのスカラー量Ｓの値とを取得する。さらに、第１のレーダー４０２及び第２のレーダー４０３は、上述した方法に従って、各セルに定義されたマップ情報を更新する。ここで、第１のレーダー４０２及び第２のレーダー４０３は、自レーダー又は隣接レーダーのマップ情報のうち、任意のセルＸにおけるマップ情報が未定義である場合は、マップ情報として単位ＢＢＡを用いる。第１のレーダー４０２及び第２のレーダー４０３は、更新処理を予め決められた回数繰り返すか、所定量以上変化しなくなるまで継続することで、マップ情報の融合処理を実行する。

このようにして、フィールド４０１全体のマップ情報（全体融合マップ情報）を作成することで、全てのノードは、近似的に同じマップ情報を有する。第１のレーダー４０２及び第２のレーダー４０３は、単体では測定不可能なフィールド４０１全体のマップ情報を得られる。

第１のレーダー４０２及び第２のレーダー４０３は、初期値として、最低周期の定数倍の間隔で、上述した測定からマップ情報融合までの一連の処理を実行するように設定される。このとき、フィールド４０１内の全てのレーダーは、必ずしも、同じタイミングで測定を行う必要はない。ただし、同じタイミングで動作するレーダー数が少ないと、フィールド内のカバー率及び探索に基づいて得られる総情報量が減少する。そのため、高精度に推定するには、測定間隔は、短い方が望ましい。

しかしながら、事前に地形等の測定条件が不明である場合、又は、妨害電波若しくは遮蔽物等が存在することで、レーダーに基づく測定精度が低下したり、レーダー間の情報通信の確度が低下したりする場合がある。そこで、各レーダーは、融合して得られるマップ情報を基に、自身の探索領域内のセルＸの測定確度を、そのマップ情報ｍ^Ｘ（Ω）の大きさで判断する。ｍ^Ｘ（Ω）が所定の大きさ以上である場合は、レーダーは、より高確度に測定した方がよいと判断し、測定間隔を短くして他の近接するノードと同時に動作する確率を高める。一方、ｍ^Ｘ（Ω）が所定の大きさよりも小さい場合は、レーダーは、測定間隔を長くする。

例えば、図６に示すように、レーダー８１４は、レーダーが密集したエリアにあり、他の周囲のレーダーと共通する測定可能な領域が大きいため、間隔８１５のように長い間隔で測定及びマップ情報推定を行う。一方、レーダー８１７は、レーダーが疎なエリアであるため、間隔８１６のように短い間隔で測定及びマップ情報推定を行う。

測定間隔以外にも、一回当たりの測定回数を増減する、又は、測定に用いる電波の送信電力を調整する等の調整方法がある。あるいは、各レーダーは、現在は自装置の測定範囲外ではあるが、電波の送信電力を大きくすることで測定可能となるセルのマップ情報の推定確度が低い場合は、次のようの動作できる。すなわち、レーダーは、電波の送信電力を大きくして測定可能な領域を広げ、そのセルのマップ情報を作成することで、融合後の推定結果を高めることができる。

図７に示すように、利用者９０４は、端末装置９２１を用いて自身の位置から近隣のレーダー９２２（第１のレーダー４０２又は第２のレーダー４０３）にアクセスし、情報表示を要求することで、全体融合マップ情報を参照できる。

ここでは、障害物の存在確率マップを表示する例について説明する。

利用者９０４が有する端末装置９２１には、障害物の存在確率マップを表示するためのプログラムが予めインストールされている。端末装置９２１は、そのプログラムに従って処理を実行することで、近隣のレーダー９２２から取得したマップ情報を基に障害物の存在確率マップを表示する。

端末装置９２１は、初期設定として、上記の等式（２４）を用いてセルＸにおけるマップ情報から障害物が存在する確率Ｐ［ω_１］及び存在しない確率Ｐ［ω_２］を計算する。

そして、端末装置９２１は、予め設定された所定値以上の確率を有するセルを取り出し、例えば、仮説毎に異なる色を設定し（例えば、赤と白）、さらに確率を示す値に応じて色の濃さ又は表示強度を変えることでマップ９３２として表示する。また、端末装置９２１は、確度が高いマップを表示したい場合は、意見対立が小さく（ｍ（Φ）小）、不確実性が小さい（ｍ（Ω）小）セルの確率表示を行ったマップ９３１を表示し、逆に確度が低い確率表示を行うマップ９３３を表示する等も可能である。

このように、第１具体例は、第２の実施形態と同様の構成を用いて、同様の効果を奏する。

（第２具体例）
次に、ＩＣＴシステム５００を例にして、本発明の第２具体例について、図面を用いて説明する。

図８は、本発明の第２具体例の構成を示す概念図である。

図８に示すように、ＩＣＴシステム５００は、複数のアプリケーション（ＡＰ）サーバ５１０、５１１、及び５１２、複数のネットワークスイッチ５２１、５２２及び５２３を有する。さらに、ＩＣＴシステム５００は、複数のデータベース（ＤＢ）サーバ５３０、５３１、及び５３２、並びに、複数の監視エージェント５０１、５０２、５０３、５０４、及び５０５を有する。

アプリケーションサーバ５１０、５１１、及び５１２は、それぞれジョブの処理要求を受け付ける。アプリケーションサーバ５１０、５１１及び５１２は、ネットワークスイッチ５２１、５２２、及び５２３で構成されるネットワークを介して、データベースサーバ５３０、５３１、及び５３２にアクセスし、必要な情報を受信し、ジョブ処理を実行する。

このようにネットワークを介して複数のサーバ等の機器が接続され、相互に関連しつつ動作するシステムでは、正常時と異なる挙動が観測された場合に、障害の発生箇所を特定するのが困難である。図８に示すようなシステムでは、通常、システム管理者が、各ネットワーク機器のログ等を確認し、そのログから障害要因を特定し、その要因を取り除くことでトラブルシュートを行う。

第２具体例では、ＩＣＴシステム５００内に分散して配置された監視エージェント５０１ないし５０５が、ログ等の監視情報を基に個別に原因を推定し、個別の推定結果を融合することで真の原因を特定する。

監視エージェント５０１ないし５０５は、プログラムとして、アプリケーション（ＡＰ）サーバ、ネットワークスイッチ、及び／又は、データベース（ＤＢ）サーバにインストールされる。そして、監視エージェント５０１ないし５０５は、アプリケーション（ＡＰ）サーバ、ネットワークスイッチ、及びデータベース（ＤＢ）サーバがそのプログラムにしたがって動作することで実現されてもよく、専用の機器として備えられていてもよい。

監視エージェント５０１ないし５０５は、全てのネットワーク機器毎に備える必要はない。例えば、監視エージェント５０１ないし５０５は、隣接する複数のＡＰサーバ、ネットワークスイッチ、又はＤＢサーバをまとめて監視してもよい。さらに、監視エージェント５０１ないし５０５は、監視しないネットワーク機器があってもよい。障害要因の推定精度を向上させるには、各監視エージェント５０１ないし５０５が収集分析するログデータ等の監視データは、多い方がよい。しかしながら、収集分析する監視データ量が多くなると、分析に要する複雑性及び計算負荷が大きくなる。そのため、収集分析する監視データ量は、設計上の性能要件に基づいて定める事項である。

図８の点線で囲まれたネットワーク機器は、監視エージェント５０１ないし５０５における監視対象を示す。監視エージェント５０１ないし５０５は、それぞれの監視対象のネットワーク機器の運用状況を測定して、運用状態を判断する。

監視エージェント５０１ないし５０５間には、論理的なネットワーク５５０が、形成されている。ネットワーク５５０は、任意の監視エージェントから他の全ての監視エージェントへ到達できるようなトポロジーが形成されている。

全ての監視エージェント５０１ないし５０５には、想定される障害をまとめた障害仮説集合Ω＝｛ω_１，…，ω_Ｈ，ω_{ｏｔｈｅｒ}｝が設定されている。ここで、想定される障害数はＨであり、ω_{ｏｔｈｅｒ}はその他の障害である。

例えば、どのネットワーク機器で障害が発生しているかを特定することが目的の場合、次のような障害等を指定する方法がある。すなわち、ω_１はネットワークスイッチ１の障害、ω_２はネットワークスイッチ２の障害、…、ω_３はネットワークスイッチ３の障害、…、ω_４はＡＰサーバ１の障害等を指定する。

ここで、複数のシングルトン仮説の和集合｛ω_１，ω_２，ω_３｝は、ＩＣＴシステム５００のどこで障害が発生しているかを特定できていない状態を示している。障害の仮説集合の作成方法は、これに限るものではない。障害の仮説集合の作成方法は、特定したい事象に合わせて仮説集合を作成すればよい。障害の仮説集合の作成方法としては、運用の容易さ又は経験等に基づいて、解釈又は分析しやすい仮説が決められればよい。

監視エージェント５０１ないし５０５は、管理対象の各ネットワーク機器から、監視のための測定結果を収集する。例えば、サーバであればsyslog等が、測定結果の一例である。しかし、測定結果は、それに限定されるものではなく、送受信に係る遅延又は帯域を測定する等、様々な監視事項が考えられる。監視エージェント５０１ないし５０５は、それらの測定結果から、推定される障害要因の集合Ωの部分集合Ａに対するＢＢＡを設定する（障害推定情報と称す）。ＢＢＡは、観測結果から所定の規則にしたがって設定されてもよく、経験則から計算されてもよく、障害モデルを作成して尤度関数を定義しておきその尤度関数を用いて計算されてもよい。

なお、監視エージェント５０１ないし５０５は、測定結果として、シングルトン仮説に沿って値を割り振る必要はない。監視エージェント５０１ないし５０５は、測定結果から妥当なレベルで特定できる障害を表現する部分集合に値を割り振り、それ以外にはΣ_Ａｍ（Ａ）＝１となるようにｍ（Ω）に値を設定すればよい。

次に、監視エージェント５０１ないし５０５は、第１具体例におけるマップ情報チャネルに対応する障害推定情報チャネルとアクティブノードチャネルを作成する。そして、監視エージェント５０１ないし５０５は、隣接する監視エージェントの障害推定情報、現在のアクティブな隣接ノード（監視エージェント）数、及びアクティブノード数の推定のためのスカラー量Ｓを取得する。そして、監視エージェント５０１ないし５０５は、第１の実施の形態及び第２の実施の形態で説明した方法にしたがって、マップ情報の更新を繰り返す。その結果、マップ情報は、各監視エージェントで推定される障害要因を融合した全体融合障害推定情報に収束する。監視エージェント５０１ないし５０５は、全体融合障害推定情報から、どの障害がどの程度発生した可能性があるかを診断できる。

第２具体例では、通常のシステムでは必要となるログ収集管理ノードが不要となる。大規模なシステムの場合、ログ情報の収集負荷が大きく、複数の自律性の高いサブシステムを組み合わせて構築されることが多い。そのため、大規模なシステムでは、一元的に障害情報を管理することが困難である場合が多い。

第２具体例を用いれば、分散協調的に原因を特定できるとともに、想定される障害箇所で切り分けることができる。そのため、第２具体例では、それぞれのサブシステムで問題となる部分を回避することが可能になる。例えば、任意のネットワークスイッチ又はネットワークサブネットで障害が発生した可能性が高いと診断された場合、次の処理が可能となる。すなわち、アプリケーションサーバは、その障害が懸念されるネットワーク機器を経由しないネットワークパスを介して、データベースサーバから情報を取得する等の処理が可能となる。

なお、第２具体例では、ＩＣＴシステム５００における障害箇所の特定を例に説明した。しかし、第２具体例は、サイバーセキュリティのための監視システムとしても応用できる。

例えば、上記の監視エージェント５０１ないし５０５が、上記の障害をマルウェア感染等のセキュリティ脅威に置き換え、管理機器の設定又は挙動について監視及び測定し、全体融合セキュリティ脅威情報を分散協調的に作成する。その場合、監視エージェント５０１ないし５０５は、通常では監視及び分析結果を集中サーバで収集してマルウェア感染等を特定する作業を、分散協調的に実行できる。

したがって、複数の異なる組織の集合体である場合又は収集するログデータが大量であるために一元的に管理することが難しい場合でも、次のような処理を迅速に行うことができる。その処理とは、セキュリティの脅威を特定して、感染コンピュータの隔離又はサブネットワークの遮断等の処理である。

このように、第２具体例は、第２の実施形態と同様の構成を用いて、同様の効果を奏する。

（第３具体例）
次に、無人機制御システム６００を例にして、本発明の第３具体例について、図面を用いて説明する。

無人機制御システム６００は、複数の無人航空機を用いて、次のような効率的にフィールドを探索する機能を提供する。その機能とは、例えば、災害現場等で要救助者を捜索する、広大な森林の中から遭難者を捜索する、又は、広大な農場の穀物等の生育状態を観察して優先的に収穫を開始するエリアを特定する等である。

図９は、本発明の第３具体例の構成を示す概念図である。

図９に示すように、無人機制御システム６００は、カメラ等のセンシング機器が搭載された複数の無人航空機６０２を備え、探索フィールド６０１内の位置が未知のターゲット６１０を探索する構成である。複数の無人航空機６０２間には、ネットワーク６０３が構成されている。無人航空機６０２は、隣接する無人航空機６０２と情報の交換が可能である。

無人航空機６０２は、航行計画作成機能を有し、現在位置又は周囲の状況から、自律的に、航行計画を決定しながら航行する。無人航空機６０２は、所定のランダム性を有して探索フィールド６０１内を探索すればよく、予め詳細な航行ルートが指定されているわけではない。しかし、無人航空機６０２には、初期位置と、探索フィールド６０１内で担当する大体のカバーエリアとが指定されていることが望ましい。

探索フィールド６０１には、第１具体例のフィールド４０１と同様に、予め設定された分解能で位置を特定するための単位であり、マス目状に分割された複数のセルが定義されている。

無人航空機６０２は、定期的にセンシング機器を用いて探索可能エリア６２０内で探索のための測定を行い、マップ情報として探索可能エリア６２０内の各セルにおけるターゲット６１０の存在有無について確からしさを示す情報を作成する。

ここで、マップ情報は、探索フィールド６０１内の各セルに対する上述のＢＢＡと定義されるとする。このＢＢＡは、ω_１をターゲットが存在する、ω_２をターゲットが存在しないとする仮説集合をΩ＝｛ω_１，ω_２｝としたときの、任意の部分集合Ａ⊆Ωに対して割り当てられたｍ（Ａ）の実数値である。したがって、ＢＢＡは、４次元ベクトル量である。以下、このＢＢＡを局所マップ情報と称す。

無人航空機６０２は、マップ情報チャネルとアクティブノードチャネルとを作成する。そして、無人航空機６０２は、隣接する無人航空機６０２から、それぞれが保有するマップ情報と、現在アクティブな隣接する無人航空機６０２の数と、アクティブなノード（無人航空機）数を推定するためのスカラー量Ｓの値とを取得する。そして、無人航空機６０２は、上述したようにマップ情報の更新を繰り返すことで、全体融合マップ情報を取得する。

次に、各無人航空機６０２は、全体融合マップ情報内で、ｍ（Ω）が大きいことから不確実性が高くエリア探索が不十分とみなせるエリア、又は、
［数５６］

が大きいことから意見対立が大きく、信頼性に欠けるとみなせるエリア等を特定する。そして、無人航空機６０２は、エリア探索が不十分とみなせるエリア又は信頼性に欠けるとみなせるエリアを、他のエリアよりも高い優先度で航行するように、航行計画を変更する。このような航行計画の生成方法として、所定の値以上に不確実性が高い、又は意見対立が大きいエリアのうち、自装置の位置から最も近いエリアから優先的に探索する、等の方法がある。しかし、航行計画の生成方法は、これに限定されるものではない。

例えば、無人航空機６０２は、最初は十分に探索されていないエリアの探索を優先する。詳細には、無人航空機６０２は、フィールドの等高線としてｍ（Ω）の各セルの値を参照し、現在の位置から所定の距離だけ離れた各方向のうち、最も高い値の方向へ進むなどのルールを設定することが可能である。
また、それ以外にも、例えば、無人航空機６０２は、周囲の無人航空機６０２の数が分かる場合により無人航空機６０２の少ないエリアへ優先して航行する、又は、所定の確率でランダムな移動を含ませるなど、より複雑なルールを採用することできる。

さらに、行動目的及び航行計画生成ルールは、全ての無人航空機６０２において、同一である必要はない。例えば、一部の無人航空機６０２の目的をフィールドのマップ情報作成よりも、ターゲット６１０の追跡を優先するとし、その一部の無人航空機６０２が、ｍ（ω_１）の大きいエリアを優先的に航行するようにしてもよい。この場合、無人航空機６０２は、ターゲット６１０に関するより確度の高い情報を収集しながら、ターゲット６１０を追跡することが可能である。

このように、第３具体例は、第２の実施形態と同様の構成を用いて、同様の効果を奏する。

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うるが、以下には限られない。
（付記１）
所定のフィールド内に分散して配置される分散協調情報処理装置であって、
センサーデバイスを用いて周囲環境を測定する測定検出手段と、
周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する推定演算手段と、
フィールド内の他の分散協調情報処理装置で生成された推定判断情報を受信する通信手段と、
他の分散協調情報処理装置の情報を管理する隣接管理手段と、
自装置で生成した推定判断情報と他の分散協調情報処理装置から受信した推定判断情報とを融合する融合手段と
を有する分散協調情報処理装置。
（付記２）
融合手段が、
フィールド内で現在正常に動作している他の分散協調情報処理装置の数を推定するための情報を他の分散協調情報処理装置から取得する
付記１に記載の分散協調情報処理装置。
（付記３）
フィールド内に分散して配置された複数の分散協調情報処理装置それぞれが具備するタイマが示す時刻を互いに同期させる時刻同期手段をさらに有する
付記１又は２に記載の分散協調情報処理装置。
（付記４）
自装置の位置情報を取得する位置管理手段をさらに有する
付記１ないし３のいずれか１項に記載の分散協調情報処理装置。
（付記５）
測定検出手段の測定結果に同一地点における測定結果を含む他の分散協調情報処理装置と推定判断情報を送受信するための転送制御手段をさらに有する
付記１ないし４のいずれか１項に記載の分散協調情報処理装置。
（付記６）
融合処理後の推定判断情報に基づいて、自装置内の資源利用状態を変化させる資源制御手段をさらに有する
付記１ないし５のいずれか１項に記載の分散協調情報処理装置。
（付記７）
資源制御手段が、
資源利用状態として、自装置の動作間隔、測定検出手段に基づく測定性能、又は他の分散協調情報処理装置との通信頻度を変化させる
付記６に記載の分散協調情報処理装置。
（付記８）
端末装置からの要求にしたがって推定判断情報を表示させるためのインターフェース手段をさらに有する
付記１ないし７のいずれか１項に記載の分散協調情報処理装置。
（付記９）
所定のフィールド内に分散して配置される分散協調情報処理装置が実行する分散協調情報処理方法であって、
センサーデバイスを用いて周囲環境を測定し、
周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成し、
フィールド内の他の分散協調情報処理装置で生成された推定判断情報を受信し、
他の分散協調情報処理装置の情報を管理し、
自装置で生成した推定判断情報と他の分散協調情報処理装置から受信した推定判断情報とを融合する
分散協調情報処理方法。
（付記１０）
フィールド内で現在正常に動作している他の分散協調情報処理装置の数を推定するための情報を他の分散協調情報処理装置から取得する
付記９に記載の分散協調情報方法。
（付記１１）
所定のフィールド内に分散して配置されるコンピュータに、
センサーデバイスを用いて周囲環境を測定する処理と、
周囲環境の測定結果に基づいて周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する処理と、
フィールド内の他のコンピュータで生成された推定判断情報を受信する処理と、
推定判断情報を受信する他の分散協調情報処理装置の情報を管理する処理と、
他のコンピュータの情報を管理する処理と、
自装置で生成した推定判断情報と他のコンピュータから受信した推定判断情報とを融合する処理と
を実行させるプログラム。
（付記１２）
さらに
フィールド内で現在正常に動作している他の分散協調情報処理装置の数を推定するための情報を他の分散協調情報処理装置から取得する処理
をコンピュータに実行させる付記１１に記載のプログラム。

以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成及び詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２０１６年 ５月１８日に出願された日本出願特願２０１６−０９９４４１を基礎とする優先権を主張し、その開示の全てをここに取り込む。

本発明は、センサーネットワーク又はレーダーシステムなどに基づく物理的空間の監視、管理及び警備システムに適用可能である。また、本発明は、各種分散システムにおける障害などのイベント監視システム又はサイバーセキュリティとしての監視システムなど、論理的空間での監視及び管理システムに適用可能である。さらに、本発明は、複数のロボット若しくは無人機で構成されるシステム、又は、物流管理、サプライチェーン管理に適用可能である。本発明は、電車、車又は飛行機などのマルチモーダルな交通システム管理などを典型例とする独立した複数の部分的システムの集合体からなる分散したシステムにおける、各種判断情報の分散協調的な共有及び判断を通した管理システムに適用可能である。

１００ 情報処理装置
１０１ 演算装置
１０２ 揮発性記憶装置
１０３ 接続インターフェース
１０４ 通信装置
１０５ 測定装置
１０６ 不揮発性記憶装置
１０７ 電源装置
２００、３００ 分散協調情報処理装置
２０１、３０１ インターフェース手段
２０２、３０２ 通信手段
２０３、３０３ 隣接管理手段
２０４、３０４ 融合手段
２０５、３０５ 推定演算手段
２０６、３０６ 測定検出手段
３０７ 位置管理手段
３０８ 時刻同期手段
３０９ 資源制御手段
３１０ 転送制御手段
３２０、９２１ 端末装置
４０１ フィールド
４０２ 第１のレーダー
４０３ 第２のレーダー
４０５ セル
５００ ＩＣＴシステム
５０１、５０２、５０３、５０４、５０５ 監視エージェント
５１０、５１１、５１２ アプリケーションサーバ
５２１、５２２、５２３ ネットワークスイッチ
５３０、５３１、５３２ データベースサーバ
６０１ 探索フィールド
６０２ 無人航空機
６０３、７０１ ネットワーク
６１０ ターゲット
６２０ 探索可能エリア
７０２ アクティブノードチャネル
７０３ マップ情報チャネル
８１４、８１７、９２２ レーダー
８１５、８１６ 間隔
９３１、９３２、９３３ マップ

Claims (10)

1. 所定のフィールド内に分散して配置される分散協調情報処理装置であって、
   センサーデバイスを用いて周囲環境を測定する測定検出手段と、
   前記周囲環境の測定結果に基づいて前記周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する推定演算手段と、
   前記フィールド内の他の分散協調情報処理装置で生成された前記推定判断情報を受信する通信手段と、
   前記他の分散協調情報処理装置の情報を管理する隣接管理手段と、
   自装置で生成した前記推定判断情報と前記他の分散協調情報処理装置から受信した前記推定判断情報とを融合する融合手段と
   を有し、
   所定の条件を満たすまで、前記測定検出手段、前記推定演算手段、前記通信手段、前記隣接管理手段、及び、前記融合手段の動作を繰り返す
   分散協調情報処理装置。
2. 前記融合手段が、
   前記フィールド内で現在正常に動作している前記他の分散協調情報処理装置の数を推定するための情報を前記他の分散協調情報処理装置から取得する
   請求項１に記載の分散協調情報処理装置。
3. 前記フィールド内に分散して配置された複数の分散協調情報処理装置それぞれが具備するタイマが示す時刻を互いに同期させる時刻同期手段をさらに有する
   請求項１又は２に記載の分散協調情報処理装置。
4. 自装置の位置情報を取得する位置管理手段をさらに有する
   請求項１ないし３のいずれか１項に記載の分散協調情報処理装置。
5. 前記測定検出手段の測定結果に同一地点における測定結果を含む前記他の分散協調情報処理装置と前記推定判断情報を送受信するための転送制御手段をさらに有する
   請求項１ないし４のいずれか１項に記載の分散協調情報処理装置。
6. 融合処理後の前記推定判断情報に基づいて、自装置内の資源利用状態を変化させる資源制御手段をさらに有する
   請求項１ないし５のいずれか１項に記載の分散協調情報処理装置。
7. 所定のフィールド内に分散して配置される分散協調情報処理装置が実行する分散協調情報処理方法であって、
   センサーデバイスを用いて周囲環境を測定し、
   前記周囲環境の測定結果に基づいて前記周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成し、
   前記フィールド内の他の分散協調情報処理装置で生成された前記推定判断情報を受信し、
   前記他の分散協調情報処理装置の情報を管理し、
   自装置で生成した前記推定判断情報と前記他の分散協調情報処理装置から受信した前記推定判断情報とを融合する動作を、所定の条件を満たすまで繰り返す
   分散協調情報処理方法。
8. 前記フィールド内で現在正常に動作している前記他の分散協調情報処理装置の数を推定するための情報を前記他の分散協調情報処理装置から取得する
   請求項７に記載の分散協調情報処理方法。
9. 所定のフィールド内に分散して配置されるコンピュータに、
   センサーデバイスを用いて周囲環境を測定する処理と、
   前記周囲環境の測定結果に基づいて前記周囲環境の状態の仮説の集合の確からしさを示す情報である推定判断情報を生成する処理と、
   前記フィールド内の他のコンピュータで生成された前記推定判断情報を受信する処理と、
   前記推定判断情報を受信する前記他の分散協調情報処理装置の情報を管理する処理と、
   前記他のコンピュータの情報を管理する処理と、
   自装置で生成した前記推定判断情報と前記他のコンピュータから受信した前記推定判断情報とを融合する処理と
   を、所定の条件を満たすまで繰り返し実行させるプログラム。
10. さらに
    前記フィールド内で現在正常に動作している前記他の分散協調情報処理装置の数を推定するための情報を前記他の分散協調情報処理装置から取得する処理
    を前記コンピュータに実行させる請求項９に記載のプログラム。

Images