JP7001419B2 - 異常判定システム、監視装置、異常判定方法、及びプログラム - Google Patents
異常判定システム、監視装置、異常判定方法、及びプログラム Download PDFInfo
- Publication number
- JP7001419B2 JP7001419B2 JP2017199278A JP2017199278A JP7001419B2 JP 7001419 B2 JP7001419 B2 JP 7001419B2 JP 2017199278 A JP2017199278 A JP 2017199278A JP 2017199278 A JP2017199278 A JP 2017199278A JP 7001419 B2 JP7001419 B2 JP 7001419B2
- Authority
- JP
- Japan
- Prior art keywords
- fire
- target structure
- data
- occurred
- monitoring device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Alarm Systems (AREA)
- Fire Alarms (AREA)
- Telephonic Communication Services (AREA)
Description
このように、火災等の異常を警報する場合には、火炎や煙の量だけでなく、他の状況も考慮して総合的に判定することが望ましい。
まず、図1から図2を参照し、第1の実施形態について説明する。
第1の実施形態に係る異常判定システムは、例えば、異常を判定する対象となる家屋等の対象構造物6(図2参照)に設置されたセンサにより検知された情報に基づいて、火災等の異常があるか否かを判定し、異常があると判定した場合に、居住者や管理者等に通知するとともに、タバコの不始末がないか等の火災の原因と考えられ得る事項を確認する問い合わせを行い、その回答を得ることで、対象構造物6に対する火災に関する判定の精度を向上させていくシステムである。
異常判定システム1では、対象構造物6毎に通信装置2及びセンサ群4が設けられる。異常判定システム1では、複数の対象構造物6(対象構造物6-1、6-2、…、6-M)(但し、Mは任意の自然数)の各々に設けられた通信装置2(通信装置2-1、2-2、…、2-M)及びセンサ群4(センサ群4-1、4-2、…、4-M)のそれぞれが通信ネットワーク3に接続される。異常判定システム1では、一つの対象構造物6に対し一つの通信装置2が設けられていてもよいし、複数の通信装置2が設けられていてもよい。また、異常判定システム1では、複数の監視装置5(監視装置5-1、5-2、…、5-K)(但し、Kは任意の自然数)が通信ネットワーク3に接続されていてもよいし、一つの監視装置5が通信ネットワーク3に接続されていてもよい。
通信装置2は、例えば、通信部20、入力部21、及び出力部22を備える。通信部20は、監視装置5からの火災警報等の通知を受けるとともに、監視装置5からの問い合わせに対する回答を送信する。入力部21は、ユーザの操作により監視装置5からの問い合わせに対する回答の入力を受付ける。出力部22は、監視装置5からの火災警報等の通知や問い合わせの内容を表示画面に出力する。
なお、出力部22は、監視装置5からの火災警報等の通知に応じて警報音をスピーカに出力したり、警報を示すライトを点灯させたりしてもよい。
通信装置2は、例えば、図2における、対象構造物6に設置された通信機能付きの警報装置としての通信装置2-1や、対象構造物6の居住者等の携帯端末としての通信装置2-2等である。
通信装置2は、例えば、図2に示す通信装置2-1のような、火災警報を受信したり火災通報を行ったりするための専用機器である。また、通信装置2は、図2に示す通信装置2-2のような市販のタブレットやスマートフォンにおいて、火災監視のための専用アプリケーション(以下、火災監視アプリ)として提供されるものであってもよい。この場合、スマートフォン等のユーザ端末装置に、火災監視アプリがインストールされる。火災監視アプリは、例えば、ユーザがスマートフォン等の表示画面に表示された火災警報や、火災に関する確認事項を確認することができるアプリケーションソフトウェアである。例えば、火災監視アプリが動作するユーザ端末装置では、ユーザは、火災に関する確認事項として表示された選択肢を選択することにより、火災に関する確認結果を通知することができる。
センサ群4は、対象構造物6における環境に関する情報を検知するセンサを含んで構成される。センサ群4は、例えば、対象構造物6に設置され、温度を検知する温度センサ、煙濃度を検知する煙センサ、CO2(二酸化炭素)やCO(一酸化炭素)濃度を検知するCO2濃度センサやCO濃度センサ、人の在不在を検知する監視カメラや赤外線センサ、及びガスコンロの点火消火を検知するセンサ等が含まれる。
センサ群4の各センサは、通信ネットワーク3を介して、センサ40の各々による自身の検知結果を監視装置5に送信する。
センサ40のうち、防犯カメラ40-1は、キッチンやリビング等の撮像対象領域を撮像する。センサ40-2は、照明の点灯や消灯を検知する。温度センサ40-3は、室内の温度を測定する。湿度センサ40-4は、室内の湿度を測定する。ここでは、温度センサ40-3、及び湿度センサ40-4は、エアコンに設置された温度センサ、湿度センサが用いられる。煙検知センサ40-5は、室内の煙の有無を検知する。ガス濃度センサ40-6は、室内の検出対象のガスの濃度を検出する。フレームセンサ40-7は、ガスコンロの点火状態(点火中であるか否か)を検知する。電源センサ40-8は、テレビの電源のオンオフ状態を検知する。粉塵濃度センサ40-9は、室内の粉塵の濃度を検出する。この粉塵濃度センサ40-9は、空気清浄機に設けられた粉塵濃度センサを用いることができる。CO2濃度センサ40-10は、室内におけるCO2の濃度を測定する。
例えば、センサ40の各々が赤外線通信などの近距離通信機能を有し、センサ40の各々が検知した検知結果を図示しない集約装置に送信することで各種家電製品に備え付けられたセンサの情報や各種家電製品の稼働の状況を集約するようにしてもよい。そして、集約装置が、通信ネットワーク3を介して集約した情報を監視装置5に送信する。
監視装置5は、通信部51、取得部54、モデル生成部52、及び判定部53を備える。
通信部51は、センサ群4からセンサ40の各々による検知結果を受信し、受信した検知結果を取得部54に出力する。取得部54は、取得した検知結果を状況データとしてモデル生成部52に出力する。ここで、取得部54は、対象構造物6の状況データを取得するだけでなく、監視の対象ではない他の構造物の状況を示す状況データを取得してもよい。取得部54が監視対象ではない構造物を含む多数の状況データを取得することにより市場にあるセンサ情報をビッグデータとして扱い、より高精度なシステムを構築することが可能となる。
また、通信部51は、判定部53の指示に基づいて、確認事項を表す確認事項情報を通信装置2に送信し、その確認事項に対する確認結果を通信装置2から受信する。ここで、確認事項とは、対象構造物6の居住者等に対象構造物6の状況を確認させるために行われる問い合わせの内容である。確認事項に対する確認結果とは、問い合わせに対して行われた確認の結果である。通信部51は、受信した確認結果をモデル生成部52、及び判定部53に出力する。
モデル生成部52は、例えば、確認結果が所定の閾値以上の数蓄積された場合、予測モデルを生成する。どの程度の数の確認結果に基づいて予測モデルを作成するかは、個々の対象構造物6やその対象構造物6の居住者の状況に応じて決定されてよい。ある程度まとまった量の確認結果に基づいて予測モデルを生成することにより、対象構造物6の構造上の特性や、対象構造物6の居住者の居住パターンに応じた個別の予測モデルを生成することができる。
判定部53は、状況データに対応する予測モデルが作成されていない場合、状況データを対応する所定の閾値とを比較することにより、対象構造物6に異常があるか否かを判定する。例えば、判定部53は、対象構造物6の煙センサの検出値が所定の閾値以上である場合に、対象構造物6に異常があり、火災が発生した可能性があると判定する。判定部53は、状況データに対応する予測モデルが作成されているか否かを、例えば、モデル生成部52により予測モデルが生成されたか否かに基づいて判定する。モデル生成部52により予測モデルが生成されていない場合、判定部53は、状況データに対応する予測モデルが作成されていないと判定する。また、モデル生成部52により予測モデルが生成されている場合、判定部53は、状況データを予測モデルに入力させた場合の出力結果に基づいて、状況データに対応する予測モデルが作成されているか否かを判定する。判定部53は、例えば、予測モデルから、対象構造物6に異常があるか否かを予測できない旨の出力を得た場合、状況データに対応する予測モデルが作成されていないと判定する。
一方、判定部53は、状況データに対応する予測モデルが作成されている場合、予測モデルに状況データを入力させたときに出力される結果に基づいて、対象構造物6に異常が発生したか否かを判定する。例えば、判定部53は、状況データを予測モデルに入力させたときに、対象構造物6に異常があり、火災が発生した可能性があることを示す出力結果が得られた場合、対象構造物6に火災が発生した可能性があると判定する。
判定部53は、作成した警報メッセージM、及び選択肢A~Fを通信部51に出力する。
なお、上記では、監視装置5が住居としての対象構造物6に設置されたセンサ群4から検知結果を取得する場合を例示して説明したが、これに限られることはない。監視装置5は、多数の住居に設置されたセンサ群4の各々から検知結果を取得してもよい。監視装置5が単一の住居内のネットワークのみならず、複数のセンサ群4の各々により構成される大規模なネットワークのデータを集中させて処理することで、似たような環境下にある住宅、似たような構造を有する住宅のデータを統合的に蓄積し、処理することが可能となる。多数のデータを統合的に処理することにより高度で適格な予測モデルを構築することができる。
また、監視装置5はクラウドサーバであってもよい。監視装置5は、単数であっても複数のクラウドサーバであってもよい。この場合、例えば、監視装置5は、ネットワーク上に設けられた複数のクラウドサーバを互いに連携させることにより実現される。これにより、異常判定システム1の規模を容易に拡大することができる。監視装置5の規模を拡大する場合には、クラウドサーバを増設すればよいためである。また、通信装置2、及びセンサ群4から監視装置5へのアクセスを複数のクラウドサーバに分散させることにより、特定の監視装置5にアクセスが集中して機能不全に陥ることを防止することも可能となる。
図3に示すように、通信装置2の表示画面には「異常警報・火災ではありませんか」と記載された警報メッセージMが表示され、その下に「レベルA:正常」、「火災ではない」と記載された選択肢A、「レベルB:誤報」、「火災ではない」と記載された選択肢B、「レベルC:調理等」、「火炎や煙が発生したが火災ではない」と記載された選択肢C、「レベルD:ボヤ」、「火炎や煙が発生したが消し止めた」と記載された選択肢D、「レベルE:火災」、「延焼の危険性あり」と記載された選択肢E、「レベルF:大火災」、「火災拡大、消火不可避」と記載された選択肢Fがそれぞれ表示される。
図4(a)~(d)の各々は、対象構造物6のキッチンおよびリビングに設置されたセンサ群4から取得された状況データの時系列の変化を示す。図4(a)~(d)では、状況データとして、煙センサ、温度センサ(図4(a)~(d)で「温度」と記載)、CO濃度センサ(図4(a)~(d)で「CO」と記載)、ガスコンロの点灯を検知するセンサ(図4(a)~(d)で「ガスコンロ」と記載)、照明の点灯を検知するセンサ(図4(a)では「照明」と記載)、人体の在不在を検知するセンサ(図4(a)~(d)で「人体」と記載)、および火炎の発生量を検知するセンサ(図4(a)~(d)で「炎」と記載)によりそれぞれ検知された検知結果が示される。
また、第1の縦軸における「th」は、センサ検出値の閾値を示す。例えば、煙センサ、CO濃度センサ、及び火炎の有無を検知するセンサ等により検出された値が閾値th以上の値となった場合に、異常があると判定される可能性がある。
通信装置2は、判定部53により作成された警報メッセージM、及び選択肢A~Fを表示画面に表示させるとともに、警報音を出力する。
警報音を聞いた居住者等により通信装置2の表示画面が視認される。そして、居住者等によりに表示された選択肢A~Fのうちいずれか一つを選択する操作が行われることにより、通信装置2の入力部21に確認結果が入力される。例えば、入力部21に、選択肢Bが選択された旨を示す情報が入力された場合、「火災ではない」ことが確認されたことを示す。
通信装置2は、入力部21に入力された確認結果を、監視装置5に送信する。
監視装置5は、通信部51を介して通信装置2から確認結果を受信する。モデル生成部52は、学習データを用いて機械学習を実行することにより、予測モデルを生成する。ここで、学習データは、図4(a)に示す状況データに対し「火災ではない」との確認結果を対応付けたものである。すなわち、ここでモデル生成部52により生成された予測モデルは、図4(a)に示す状況データが異常を示すものではないことを学習済みのモデルとなる。
通信装置2は、判定部53により作成されたメッセージを表示画面に表示させる。
通信装置2は、判定部53により作成された警報メッセージM、及び選択肢A~Fを表示画面に表示させるとともに、警報音を出力する。
警報音を聞いた居住者等により通信装置2の表示画面が視認される。そして、居住者等によりに表示された選択肢A~Fのうちいずれか一つを選択する操作が行われることにより、通信装置2の入力部21に確認結果が入力される。例えば、入力部21に、選択肢Cが選択された旨を示す情報が入力された場合、「火煙は発生したが火災ではない」ことが確認されたことを示す。
通信装置2は、入力部21に入力された確認結果を、監視装置5に送信する。
監視装置5は、通信部51を介して通信装置2から確認結果を受信する。モデル生成部52は、学習データを用いて機械学習を実行することにより、予測モデルを生成する。ここで、学習データは、図4(b)に示す状況データに対し「火煙が発生したが火災ではない」との確認結果を対応付けたものである。すなわち、ここでモデル生成部52により生成された予測モデルは、図4(b)に示す状況データが、火炎が発生するものの調理等によるものであり直ちに異常を示すものではないことを学習済みのモデルとなる。
通信装置2は、判定部53により作成されたメッセージを表示画面に表示させる。
通信装置2は、判定部53により作成された警報メッセージM、及び選択肢A~Fを表示画面に表示させるとともに、警報音を出力する。
警報音を聞いた居住者等により通信装置2の表示画面が視認される。そして、居住者等によりに表示された選択肢A~Fのうちいずれか一つを選択する操作が行われることにより、通信装置2の入力部21に確認結果が入力される。例えば、入力部21に、選択肢Dが選択された旨を示す情報が入力された場合、「火煙が発生したが消し止めた」ことが確認されたことを示す。
通信装置2は、入力部21に入力された確認結果を、監視装置5に送信する。
監視装置5は、通信部51を介して通信装置2から確認結果を受信する。モデル生成部52は、学習データを用いて機械学習を実行することにより、予測モデルを生成する。ここで、学習データは、図4(c)に示す状況データに対し「火煙が発生したが消し止めた」との確認結果を対応付けたものである。すなわち、ここで、モデル生成部52により生成された予測モデルは、図4(c)に示す状況データが、火災となる可能性があるものの消し止められる程度のものであることを学習済みのモデルとなる。
通信装置2は、判定部53により作成されたメッセージを表示画面に表示させる。
通信装置2は、判定部53により作成された警報メッセージM、及び選択肢A~Fを表示画面に表示させるとともに、警報音を出力する。
警報音を聞いた居住者等により通信装置2の表示画面が視認される。そして、居住者等によりに表示された選択肢A~Fのうちいずれか一つを選択する操作が行われることにより、通信装置2の入力部21に確認結果が入力される。例えば、入力部21に、選択肢Eが選択された旨を示す情報が入力された場合、「延焼の危険性あり」であることが確認されたことを示す。
通信装置2は、入力部21に入力された確認結果を、監視装置5に送信する。
監視装置5は、通信部51を介して通信装置2から確認結果を受信する。モデル生成部52は、学習データを用いて機械学習を実行することにより、予測モデルを生成する。ここで、学習データは、図4(d)に示す状況データに対し「延焼の危険性あり」との確認結果を対応付けたものである。すなわち、ここでモデル生成部52により生成された予測モデルは、図4(d)に示す状況データが、火炎が発生し延焼の危険性があることを学習済みのモデルとなる。
通信装置2は、判定部53により作成されたメッセージを表示画面に表示させる。
図5(a)~(d)の各々は、対象構造物6のキッチンおよびリビングに設置されたセンサ群4から取得された状況データの時系列の変化を示す。図5(a)~(d)では、状況データとして煙センサ、温度センサ(図5(a)~(d)で「温度」と記載)、CO濃度センサ(図5(a)~(d)で「CO」と記載)、ガスコンロの点灯を検知するセンサ(図5(a)~(d)で「ガスコンロ」と記載)、照明の点灯やテレビを検知するセンサ(図5(a)では「照明・テレビ」と記載)、人体の在不在を検知するセンサ(図5(a)~(d)で「人体」と記載)、および火炎の発生量を検知するセンサ(図5(a)~(d)で「炎」と記載)によりそれぞれ検知された検知結果が示される。
図5(a)では、例えば、監視装置5が居住者の通信装置2に警報メッセージ等を送信したが、居住者は外出するなどして不在であり、居住者からの応答がない場合に想定される状況データに該当する。この場合、監視装置5は、隣家の住民やセキュリティ会社の通信装置2に対し、警報メッセージ等を送信するようにしてもよい。
隣家の住民やセキュリティ会社担当者が対象構造物6を外部から視認し、炎が確認できる場合には、例えば選択肢Fを押下する。
以後、監視装置5は、図5(a)に似た特徴をもつ状況データを取得した場合、隣家の住民の通信装置2に「隣家で火災が発生しています。現場を確認の上、消火・避難準備して下さい。」とのメッセージを送信する。
なお、隣家の住民やセキュリティ会社の通信装置2にからも応答がない場合、監視装置5は、消防署に通報するようにしてもよい。
図5(b)では、例えば、監視装置5が居住者の通信装置2に警報メッセージ等を送信し、キッチンから目を離していた居住者がキッチンを確認したが炎が視認された場合、例えば選択肢Fを押下する。
以後、監視装置5は、図5(b)に似た特徴をもつ状況データを取得した場合、「キッチンで火災が発生しています。現場を確認の上、消火するか、または避難して下さい。」とのメッセージを通信装置2に送信する。
図5(c)では、例えば、監視装置5が居住者の通信装置2に警報メッセージ等を送信し、灰皿の上でメモ用紙を燃やした居住者が、例えば選択肢Cを押下する。
以後、監視装置5は、図5(c)に似た特徴をもつ状況データを取得した場合、「リビングで炎が発生しています。現場を確認して下さい。」とのメッセージを通信装置2に送信する。
図5(d)では、例えば、監視装置5が居住者の通信装置2に警報メッセージ等を送信し、寝室にいた居住者がリビングを確認すると炎が視認された場合、選択肢Eを押下する。
以後、監視装置5は、図5(d)に似た特徴をもつ状況データを取得した場合、「リビングで炎が発生しています。現場を確認して下さい。」とのメッセージを通信装置2に送信する。
まず、監視装置5の通信部51は、通信ネットワーク3を介して、センサ群4から状況データを取得する(ステップS1)。
次に、監視装置5の判定部53は、状況データに対応する予測モデルが作成されているか否かを判定する(ステップS2)。判定部53は、モデル生成部52により予測モデルが作成されたか否か、および予測モデルが作成されていた場合に状況データを予測モデルに入力させた場合に出力される結果が、予測できないことを示すものであるか否かに基づいて、状況データに対応する予測モデルが作成されているか否かを判定する。
通信部51は、通信ネットワーク3を介して、通信装置2から確認結果を受信する(ステップS6)。
監視装置5のモデル生成部52は、状況データに確認結果に対応付けた学習データを用いて機械学習を実行することにより予測モデルを作成する(ステップS7)。
そして、監視装置5は、ステップS1に示す処理に戻り、状況データを取得する。
そして、監視装置5は、ステップS1に示す処理に戻り、状況データを取得する。
これにより、第1の実施形態の異常判定システム1は、対象構造物6における異常の有無を、対象構造物6の状況に基づいて総合的に判定することができる。異常判定システム1では、通信部51が状況データを取得することで、判定部53が状況データに基づいて対象構造物6に異常があるか否かを判定することができ、判定部53が選択肢A~Fを生成し、通信部51が選択肢A~Fを通信装置2に送信して選択結果を受信することができる。そして、モデル生成部52が状況データに確認結果を対応づけた学習データを用いて、予測モデルを生成することで、判定部53が状況データに対応する予測モデルがある場合に予測モデルを用いて対象構造物6に異常が発生したか否かを判定することができるためである。
次に第1の実施形態の変形例1について説明する。本変形例1では、上記第1の実施形態において、監視装置5が居室内の各機器の制御をおこなう。
図4(a)~(d)に示す状況データが得られたことに基づいて、警報音や警報メッセージによって警報を行なう場合、警報メッセージをリビングのテレビの画面に表示するとともに、テレビのスピーカから警報音や音声による警報メッセージを出力するようにしてもよい。
図4(b)に示す状況データが得られたことに基づいて「換気扇をONにして下さい。」と警報する場合において、警報を行なった後、一定時間内に換気扇がONになっていないことが検出された場合には、監視装置5から換気扇に対して換気扇をONにする制御信号を送信するようにしてもよい。これにより、警報を受けたユーザが換気扇をONにすることができない状況であっても換気扇を運転させることができる。
図4(c)に示す状況データが得られたことに基づいて、「リビングで煙が発生しています。現場を確認の上、消火して下さい。」と警報する場合、この警報を行なうとともに、消火器から音響を発し消火器の位置を知らせるようにし、かつ、住宅内の照明をonする。
図4(d)に示す状況データが得られた事に基づいて、「リビングで煙が発生しています。現場を確認の上、消火して下さい。」と警報する場合、この警報を行なうとともに、消火器から音響を発し消火器の位置を知らせるようにし、かつ、住宅内の照明をonにし、さらに避難経路上のドアの電子錠を解錠するようにしてもよい。これにより、居室内のユーザの避難経路を確保することができ、また、居室外から居室内に救助に向かうことが可能となる。
次に第1の実施形態の変形例2について説明する。本変形例2では、上記第1の実施形態において、通信ネットワーク3の状況等に応じて、センサ40により検知されたデータの送信を行う。
図7は、第1の実施形態の変形例2の異常判定システム1Aの構成例を示すブロック図である。図7に示すように、第1の実施形態の変形例2では、複数の対象構造物6A(対象構造物6A-1、6A-2、…、6A-M)の各々に設けられたセンサ群4A(センサ群4A-1、…、4A-N)の各々が、送信制御部41を備える。送信制御部41は、センサ群4Aに設けられた、一又は複数のセンサ40により検知されたデータにおける監視装置5に対する送信を制御する。
送信制御部41は、例えばセンサ40により検知されたデータが、そのセンサ40に定められた所定の閾値未満である場合は当該データを監視装置5に送信せず、所定の閾値以上である場合に当該データを監視装置5に送信する。これにより、通信ネットワーク3における通信トラフィックが増大することを抑制することが可能となる。
また、送信制御部41は、監視装置5の指示に従って、閾値、及びヘルスチェックにおける定期的な時間の間隔を変更するようにしてもよい。これにより、ある特定のセンサから火災が疑われるデータが検知された場合には、全てのセンサ40について、詳細なデータを閾値に関わらず継続して取得することが可能となる。
また、送信制御部41がセンサ群4Aに設けられることにより、送信制御部41は、対象構造物6に関するデータの各々を監視装置5に対して送信するか否かを一括して制御することが可能となる。また、送信制御部41がセンサ群4Aに設けられることにより、監視装置5は、送信制御部41に対して、送信条件(ヘルスチェックにおける定期的な時間の間隔等)を一括して設定したり変更したりすることが可能となる。このため、個々のセンサ40に対して、個別に送信条件を設定したり変更したりする場合と比較して、通信ネットワーク3における通信トラフィックを抑制することが可能となる。
また、送信制御部41は、監視装置5に備えられていてもよい。この場合、送信制御部41は、例えば、監視装置5の通信部51により受信されたセンサ群4Aからのデータのうち、所定の条件を満たすデータを取得部54に出力し、所定の条件を満たさないデータは取得部54に出力しない。送信制御部41が所定の条件を満たすデータのみを取得部54に出力することにより、通信部51により受信された全てのデータが取得部54に出力された場合よりも、取得部54の処理負担を軽減させることが可能となる。なおかつ、送信制御部41が所定の条件を満たすデータを取得部54に出力することにより、判定部53により対象構造物6に火災が発生した可能性があると判定され得るデータについては、取得部54に出力することができ、そのデータについて判定部53に火災が発生した可能性を判定させることができるため、火災の発生を検知する精度を高く維持することが可能である。
第2実施形態においては、第1の実施形態において説明した監視装置5を宅内の見守りシステムに適用する場合について説明する。
すなわち、第1の実施形態においては、監視の機能を火災検知に用いる場合について説明したが、第2の実施形態においては、監視の機能を見守りシステムに用いることで、センシング精度を高めることができる。
(ケース1)
例えば、高齢者独居住宅において、日中において居住者が動かない状態が継続している場合、単にソファーで居眠りをしているのか、あるいは、急病で倒れており何らかの対応が必要となっているかを、超音波センサ、テレビ・照明のon/off、電話通話、冷蔵庫・ポットの使用状態、等の情報から判断することができる。
例えば居住者が浴室において意識を失って倒れた場合、浴室の赤外線センサは、人体の存在を検出したとする。同じく超音波センサはその人が浴室で動いていない事を検出し、浴室内に湯を供給する湯沸かし器が30分以上onしておらず(または30分以上onが継続しており)、住居内の他室に、他の人がいないことが検知された。このような場合には、浴室内のインターホンで通信装置2(または監視装置5)から「異常ありませんか」と居住者に呼びかけ、応答がなければ救急要請し、あるいは、近隣住民の通信装置2にメッセージを送信し、当該居住者の安否確認の要請をする。ここで、居住者からインターホンに設けられた「異常ありません」を示す確認ボタンの押下がなされた時には、異常状態から監視状態に復帰すると共に、この居住者は30分以上湯沸かしを使用せずに(あるいは30分以上継続して出湯して)浴室に留まる場合があることを学習する。
このような安全安心見守りシステムにおいては、予め居住者の特性(生活パターン)をデータとして保持していることが有効となる。上記のような高齢者独居住宅の他にも、避難困難な身体障害者、妊婦および乳児、喫煙飲酒習慣のある独身男性、精神疾患のある要保護観察者、といった居住者の特性をデータ化し記憶する。そしてこれら情報を学習するためのデータとして用いることで、その居住者の生活パターンについて学習した学習済みモデルを生成することができる。
居住者が聴力障害者である場合、その情報を予め監視装置5に記憶させることにより、火災、見守りに関する警報を発する際には、音響による警報だけでなく、光警報器、テレビ、照明等によって視覚によって把握可能な警報を発するようにしてもよい。例えば、テレビ画面に「火災です」と表示する、あるいは照明を点滅させる等により警報を発するようにしてもよい。これにより、視覚によって把握可能な警報を発することで、居住者が聴力障害者であったとしても、異常を居住者に伝えることが可能となる。
(ケース4)
喫煙飲酒習慣のある独身男性の場合、統計的に、寝たばこ等に基づく火災危険度が高いことが知られている。よってこのような住居者にあっては、予めリビングや寝室の煙、CO2センサの警報閾値を高感度に設定(異常として判定しやすくなるように閾値を変更)すると共に、異常検知時の警報音を通常よりも大きな音となるように設定する。またケース2に示すような、居住者が動かない状態が一定以上継続した場合には、居眠りの可能性が高いことから、警報を発しない設定とする。
また、ケース1からケース4においては、住宅の居住者の特性に応じた警報を行う場合を例に説明したが、これに限らず、ホテル等において宿泊者の特性を記憶させることで、宿泊者の特性に応じた警報を行うようにしてもよい。居住者や宿泊者の特性に応じた警報を行うことで、警報の効果をより有効にすることが可能となる。
(ケース5)
バスルームの前の廊下や洗面室に設置された煙感知器は、バスルームからの湯気が流入する可能性がある。この場合の各センサの信号パターンは、図4(a)に示した通りである。よって予め煙感知器における蓄積時間を一般的な設置箇所(リビング等)の蓄積時間よりも長く設定することで、湯気による非火災報を防止することができる。
このような居室内の環境に応じた特性データに基づく設定値の変更は、以下のような場合がある。
(ケース5-1)
居室がキッチンである場合、ガスコンロのフレームセンサの検知結果と連動することで、ガスコンロが利用され調理中であると判断された時には、煙センサ、CO2濃度センサ、温度センサの警報閾値を低感度化(異常として判定しにくくなるように閾値を変更)させる。
(ケース5-2)
居室がリビングである場合、テレビや照明、人体センサの検知結果と連動するとともに、居住者のタイムスケジュールと連動させることで、現在時刻が居室に人がいない時間帯に該当することがスケジュールに基づいて判定された場合には、煙センサ、CO2濃度センサ、温度センサの警報閾値を高感度化(異常として判定しやすくなるように閾値を変更)させる。
(ケース5-3)
居室が暖炉のような裸火を使うことのあるリビングである場合、炎センサやCO2濃度センサ、温度センサの警報閾値を低感度化(異常として判定しにくくなるような閾値に変更)したり、警報を発するまでの蓄積時間を長くしたりする等の設定を予め行う。
(ケース5-4)
居室が、ホテル、寄宿舎等の宿泊施設においては、基本的に火気がなく禁煙である場合が多いことから、煙センサ、CO2濃度センサ、温度センサの警報閾値を高感度化(異常として判定しやすくなるように閾値を変更)させる。警報表示方法については宿泊施設の利用者のスマートフォンを利用する他、居室内に設置されたテレビから警報メッセージを出力する。非常の場合はそれらに避難経路を出力する。また、警報メッセージを出力させたにもかかわらず逃げ遅れた可能性がある場合には、宿泊施設の利用者のスマートフォン等から、避難困難の状況連絡とGPS(global positioning system)を用いた位置情報連絡を行い、システム側から適切な避難経路の指示を行う。
例えば、タバコの煙が発生している可能性があることを表す煙感知器の信号を感知した場合、「室内は禁煙です。タバコを吸っていませんか。」とのメッセージを宿泊施設の利用者のスマートフォンから出力する。また、例えば、バスルーム近傍に設置された煙感知器が、湯気と思われる煙感知器の信号を感知した場合、「シャワーご利用の際はバスルームのドアを閉めて下さい。」とのメッセージを宿泊施設の利用者のスマートフォンから出力する。また、例えば、宿泊施設における他室や他階での火災が感知された場合、「火事です。すぐに避難して下さい。避難経路は図示の通りです。」等の警報メッセージを宿泊施設の利用者のスマートフォンから出力する。
監視装置5は、ユーザによって火災ではないと判断された場合における各種センサ情報を統合するだけでなく、火災であると判断された場合における各種センサ情報を統合することで、学習することもできる。例えば、センサ情報を統合し、火災と断定された際の基準を学習していく。ユーザによる火災断定は、警報ボタン・非火災ボタンによる操作入力だけでなく、音声認識を用い、ユーザから電話等を利用して音声による火災通報や、居室内に設けられたマイクロフォンから「火事だ」という音声が入力された際に、音声認識等により火災発生を確定させる。なお、非火災ボタンは、警報システムの警報リセットボタンと共用してもよい。
また、火災判断システムが火災であると判断した結果を携帯電話やスマートフォンに通知することで、警報音や警報光を出力させる。この時、ユーザが火災であること認識した場合にはスマートフォン等の「火災断定ボタン」を押し、逆に火災ではなく安全な状態であることを確認した場合には「非火災ボタン」を押す。このように、火災であることを監視装置5に入力させることで、火災が生じた場合における各センサの検知結果等を学習することができる。
また、上述した実施形態において、監視装置5は、各センサの信号値の経時変化を監視し、通常では起こりえない変化を示したセンサがあると判定された場合には、そのセンサの故障の可能性があると判断し、その旨のメッセージを出力することで管理者にメンテナンスを促すようにしてもよい。例えば、通常レベルの信号値が突然最大値または最小値を示したまま変化しない(例えば、煙感知器の発光部であるLEDが故障により発光しない状態となり、受光部においてLEDからの光を全く検出できない状態)場合、通常レベルの信号値が長時間掛けて除々に変化し初期の値に戻らなくなり、予め定められた故障値レベルを越えた場合(CO濃度センサの経年劣化による故障)の場合、通常では起こりえない急激な信号値の大小変化を繰り返す(電気的ノイズの影響による信号値の変化)場合等がある。
なお、ここでいう「コンピュータシステム」とは、OSや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ネットワーク接続環境を備えたWWWシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ(RAM)のように、一定時間プログラムを保持しているものも含むものとする。
Claims (14)
- 監視装置と、一以上の対象構造物の各々に設けられ、通信ネットワークを介して前記監視装置と相互に通信可能な通信装置とを備える異常判定システムであって、
前記監視装置は、
前記対象構造物の各々に設けられたセンサ群の各々により検知された、前記対象構造物の各々に火災が発生した可能性を示す状況データを取得する取得部と、
前記状況データに基づいて前記対象構造物に火災が発生した可能性があるか否かを判定し、判定した結果及び前記状況データに基づいて、火災が発生した可能性があると判定した前記対象構造物に関する確認事項として、火災に関する事象のレベルに応じた選択肢を生成する判定部と、
前記判定部によって生成された前記確認事項を、当該火災が発生した可能性があると判定された前記対象構造物に設けられた前記通信装置に送信し、前記選択肢から選択された選択結果を、前記確認事項に対する確認結果として当該通信装置から受信する通信部と、
前記状況データに前記確認結果を対応づけた学習データを用いて、機械学習を実行することにより前記対象構造物に火災が発生した可能性があるか否かを予測する予測モデルを生成するモデル生成部とを有し、
前記通信装置は、前記確認事項を前記監視装置から受信し、前記確認結果を前記監視装置に送信し、
前記監視装置の前記判定部は、前記モデル生成部により前記予測モデルが作成済みである場合、前記対象構造物に関する前記状況データを前記予測モデルに入力させた結果に基づいて、前記対象構造物に火災が発生した可能性があるか否かを判定する
ことを特徴とする異常判定システム。 - 前記監視装置は、前記通信ネットワークに設けられた一以上のクラウドサーバであり、
前記取得部は、前記状況データを、前記通信ネットワークを介して取得する
ことを特徴とする請求項1に記載の異常判定システム。 - 前記判定部は、前記確認事項として、発生した火災の規模に応じた複数の選択肢を生成する
ことを特徴とする請求項1又は請求項2に記載の異常判定システム。 - 前記判定部は、前記確認事項として、発生した火災に対する対応状況を含む複数の選択肢を生成する
ことを特徴とする請求項1から請求項3のいずれか一項に記載の異常判定システム。 - 前記モデル生成部は、ニューラルネットワーク、回帰分析法、相関分析法、デシジョンツリー法のうちいずれかを用いて前記機械学習を実行する
ことを特徴とする請求項1から請求項4のいずれか一項に記載の異常判定システム。 - 前記状況データは、前記対象構造物の火災を検知する火災検知センサの検知結果、及び前記対象構造物の温度、湿度、ガス濃度、照明の点灯消灯、人の在不在をそれぞれ検知するセンサの各々の検知結果のうち少なくともいずれかである
ことを特徴とする請求項1から請求項5のいずれか一項に記載の異常判定システム。 - 前記判定部は、前記状況データに基づいて、前記対象構造物の状況を検知するセンサの各々が故障しているか否かを判定する
ことを特徴とする請求項1から請求項6のいずれか一項に記載の異常判定システム。 - 前記センサ群により検知されたデータを前記監視装置に対して送信する送信制御部を更に備え、
前記送信制御部は、前記センサ群により検知されたデータの値、データの種別、及びデータの各々に対応する所定の閾値のうち少なくとも一つに基づいて前記センサ群により検知されたデータを前記監視装置に対して送信するか否かを判定する
ことを特徴とする請求項1から請求項7のいずれか一項に記載の異常判定システム。 - 前記送信制御部は、前記監視装置の指示に基づいて上記所定の閾値を変更する
ことを特徴とする請求項8に記載の異常判定システム。 - 前記送信制御部は、データの各々に対応する所定の時間間隔で、前記センサ群により検知されたデータを前記監視装置に対して送信する
ことを特徴とする請求項8又は請求項9に記載の異常判定システム。 - 前記送信制御部は、前記監視装置の指示に基づいて上記所定の時間間隔を変更する
ことを特徴とする請求項10に記載の異常判定システム。 - 一以上の対象構造物の各々に設けられたセンサ群の各々により検知された、前記対象構造物の各々に火災が発生した可能性を示す状況データを取得する取得部と、
前記状況データに基づいて前記対象構造物に火災が発生した可能性があるか否かを判定し、判定した結果及び前記状況データに基づいて、火災が発生した可能性があると判定した前記対象構造物に関する確認事項として、火災に関する事象のレベルに応じた選択肢を生成する判定部と、
前記判定部によって生成された前記確認事項を、当該火災が発生した可能性があると判定された前記対象構造物に設けられた通信装置に送信し、前記選択肢から選択された選択結果を、前記確認事項に対する確認結果として当該通信装置から受信する通信部と、
前記状況データに前記確認結果を対応づけた学習データを用いて、機械学習を実行することにより前記対象構造物に火災が発生した可能性があるか否かを予測する予測モデルを生成するモデル生成部とを有し、
前記判定部は、前記モデル生成部により前記予測モデルが作成済みである場合、前記対象構造物に関する前記状況データを前記予測モデルに入力させた結果に基づいて、前記対象構造物に火災が発生した可能性があるか否かを判定する
ことを特徴とする監視装置。 - 監視装置が行う異常判定方法であって、
取得部が、一以上の対象構造物の各々に設けられたセンサ群の各々により検知された、前記対象構造物の各々に火災が発生した可能性を示す状況データを取得する工程と、
判定部が、前記状況データに基づいて前記対象構造物に火災が発生した可能性があるか否かを判定し、判定した結果及び前記状況データに基づいて、火災が発生した可能性があると判定した前記対象構造物に関する確認事項として、火災に関する事象のレベルに応じた選択肢を生成する工程と、
通信部が、前記判定部によって生成された前記確認事項を、当該火災が発生した可能性があると判定された前記対象構造物に設けられた通信装置に送信し、前記選択肢から選択された選択結果を、前記確認事項に対する確認結果として当該通信装置から受信する工程と、
モデル生成部が、前記状況データに前記確認結果を対応づけた学習データを用いて、機械学習を実行することにより前記対象構造物に火災が発生した可能性があるか否かを予測する予測モデルを生成する工程と、
前記判定部が、前記モデル生成部により前記予測モデルが作成済みである場合、前記対象構造物に関する前記状況データを前記予測モデルに入力させた結果に基づいて、前記対象構造物に火災が発生した可能性があるか否かを判定する工程と
を有することを特徴とする異常判定方法。 - 監視装置のコンピュータに、
一以上の対象構造物の各々に設けられたセンサ群の各々により検知された、前記対象構造物の各々に火災が発生した可能性を示す状況データを取得する工程と、
前記状況データに基づいて前記対象構造物に火災が発生した可能性があるか否かを判定し、判定した結果及び前記状況データに基づいて、火災が発生した可能性があると判定した前記対象構造物に関する確認事項として、火災に関する事象のレベルに応じた選択肢を生成する判定工程と、
前記判定工程によって生成された前記確認事項を、当該火災が発生した可能性があると判定された前記対象構造物に設けられた通信装置に送信し、前記選択肢から選択された選択結果を、前記確認事項に対する確認結果として当該通信装置から受信する工程と、
前記状況データに前記確認結果を対応づけた学習データを用いて、機械学習を実行することにより前記対象構造物に火災が発生した可能性があるか否かを予測する予測モデルを生成する工程と、
を実行させ、
前記判定工程では、前記予測モデルが作成済みである場合、前記対象構造物に関する前記状況データを前記予測モデルに入力させた結果に基づいて、前記対象構造物に火災が発生した可能性があるか否かを判定する工程を実行させる
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017199278A JP7001419B2 (ja) | 2017-10-13 | 2017-10-13 | 異常判定システム、監視装置、異常判定方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017199278A JP7001419B2 (ja) | 2017-10-13 | 2017-10-13 | 異常判定システム、監視装置、異常判定方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019074837A JP2019074837A (ja) | 2019-05-16 |
JP7001419B2 true JP7001419B2 (ja) | 2022-01-19 |
Family
ID=66544708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017199278A Active JP7001419B2 (ja) | 2017-10-13 | 2017-10-13 | 異常判定システム、監視装置、異常判定方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7001419B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102315580B1 (ko) * | 2019-12-26 | 2021-10-25 | 한국국토정보공사 | 건물의 화재 예측 분석 장치 및 방법 |
CN111173553A (zh) * | 2020-01-16 | 2020-05-19 | 长安大学 | 一种隧道用车载型包裹式通风除尘装置及除尘方法 |
CN111522246B (zh) * | 2020-05-09 | 2023-06-23 | 武汉汉昇电子科技有限公司 | 智能家居系统中单个传感器的异常检测方法 |
CN111754715B (zh) * | 2020-06-15 | 2021-11-02 | 珠海格力电器股份有限公司 | 一种消防应急响应方法、装置及系统 |
KR102289219B1 (ko) * | 2020-09-29 | 2021-08-13 | 주식회사 로제타텍 | 화재 방호 방법 및 화재 방호 시스템 |
KR102289216B1 (ko) * | 2020-09-29 | 2021-08-13 | 주식회사 로제타텍 | 비화재보 방지 기능을 갖는 화재 경보기 |
KR102289221B1 (ko) * | 2020-09-29 | 2021-08-13 | 주식회사 로제타텍 | 화재 방호 방법 및 화재 방호 시스템 |
KR102536198B1 (ko) * | 2020-10-28 | 2023-05-24 | 주식회사 모빅랩 | 이상상태 탐지 모델을 생성하는 방법 |
CN114046174B (zh) * | 2021-11-11 | 2023-05-26 | 招商局重庆交通科研设计院有限公司 | 一种隧道施工期粉尘监测与分段降尘系统及方法 |
CN116978203B (zh) * | 2023-09-25 | 2023-12-26 | 四川天地宏华导航设备有限公司 | 一种基于消防的智能化系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112660A1 (en) | 2008-09-26 | 2011-05-12 | Ralph Bergmann | Fire protection device, method for protecting against fire, and computer program |
JP2014013538A (ja) | 2012-07-05 | 2014-01-23 | Hochiki Corp | 分布型火災監視システム |
JP2017004084A (ja) | 2015-06-05 | 2017-01-05 | 能美防災株式会社 | 支援システム |
JP2017054427A (ja) | 2015-09-11 | 2017-03-16 | パナソニックIpマネジメント株式会社 | 自動火災報知システムの親機、自動火災報知システム、自動火災報知システムの子機 |
JP2018033050A (ja) | 2016-08-25 | 2018-03-01 | 株式会社知能フレームワーク研究所 | 状態監視システム |
JP2018173914A (ja) | 2017-03-31 | 2018-11-08 | 綜合警備保障株式会社 | 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3159547B2 (ja) * | 1992-11-12 | 2001-04-23 | 能美防災株式会社 | 火災警報装置 |
KR100592624B1 (ko) * | 2003-09-09 | 2006-06-23 | 주식회사 진화이앤씨 | 다종의 화재감지기를 이용한 화재판별 추론 시스템 및 그방법 |
-
2017
- 2017-10-13 JP JP2017199278A patent/JP7001419B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112660A1 (en) | 2008-09-26 | 2011-05-12 | Ralph Bergmann | Fire protection device, method for protecting against fire, and computer program |
JP2014013538A (ja) | 2012-07-05 | 2014-01-23 | Hochiki Corp | 分布型火災監視システム |
JP2017004084A (ja) | 2015-06-05 | 2017-01-05 | 能美防災株式会社 | 支援システム |
JP2017054427A (ja) | 2015-09-11 | 2017-03-16 | パナソニックIpマネジメント株式会社 | 自動火災報知システムの親機、自動火災報知システム、自動火災報知システムの子機 |
JP2018033050A (ja) | 2016-08-25 | 2018-03-01 | 株式会社知能フレームワーク研究所 | 状態監視システム |
JP2018173914A (ja) | 2017-03-31 | 2018-11-08 | 綜合警備保障株式会社 | 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2019074837A (ja) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7001419B2 (ja) | 異常判定システム、監視装置、異常判定方法、及びプログラム | |
US10388146B2 (en) | Contextual fire detection and alarm verification method and system | |
CN111886633B (zh) | 基于所分析的视频流的利用智能音频提示的婴儿监视 | |
US11792037B2 (en) | Safety automation system | |
JP6515093B2 (ja) | 検出イベントに対して有用なフォローアップ通信を提供するスマートホームハザード検出器 | |
JP6517075B2 (ja) | 火災感知装置、火災自動消火装置、及び火災自動消火システム | |
EP3323120B1 (en) | Safety automation system | |
US20130100268A1 (en) | Emergency detection and response system and method | |
US9662245B2 (en) | General purpose device to assist the hard of hearing | |
CN110443988B (zh) | 防止层间噪音纠纷的层间邻居数据处理装置及方法 | |
JP2002074535A (ja) | 火災警報設備およびそれに利用する火災警報器 | |
KR102397078B1 (ko) | 반려 로봇을 이용한 실버 케어 시스템 | |
CA2792621A1 (en) | Emergency detection and response system and method | |
JP2015225358A (ja) | 家庭電気機器とそれを利用した留守侵入報知システム | |
KR102403237B1 (ko) | 세대 단말기를 이용한 약자 케어 방법 및 프로그램 | |
KR102666092B1 (ko) | 다른 화재감지기에서 감지된 화재에 경보를 발생시킬 수 있는 아날로그형 감지기 및 경보장치 | |
KR102571601B1 (ko) | 인공지능을 이용한 비화재보 관리 시스템 및 방법 | |
JP2009245072A (ja) | 安否確認システム | |
JP2007323605A (ja) | 集合住宅における警報システム | |
JP2024124699A (ja) | 情報提供装置、情報提供方法、及びプログラム | |
Taylor | Detection selection | |
Fires | Home Fire | |
JP2022139030A (ja) | 音声出力システム | |
JP2022126215A (ja) | 音声出力システム | |
JP2005165740A (ja) | 警報器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200814 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210609 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210817 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211013 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211224 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7001419 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |