JPWO2018131311A1 - センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム - Google Patents
センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム Download PDFInfo
- Publication number
- JPWO2018131311A1 JPWO2018131311A1 JP2018561843A JP2018561843A JPWO2018131311A1 JP WO2018131311 A1 JPWO2018131311 A1 JP WO2018131311A1 JP 2018561843 A JP2018561843 A JP 2018561843A JP 2018561843 A JP2018561843 A JP 2018561843A JP WO2018131311 A1 JPWO2018131311 A1 JP WO2018131311A1
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- model
- data
- value
- learning
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 123
- 238000003672 processing method Methods 0.000 title claims description 10
- 238000012732 spatial analysis Methods 0.000 claims abstract description 64
- 238000004891 communication Methods 0.000 claims abstract description 62
- 238000009434 installation Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims description 39
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 3
- 230000002250 progressing effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
- G01S5/02524—Creating or updating the radio-map
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0284—Relative positioning
- G01S5/0289—Relative positioning of multiple transceivers, e.g. in ad hoc networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
Description
例えば、特許文献1には、センサを含む複数のセンサノードと、センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えるセンサネットワークシステムが記載されている。センサノードは、センサ情報分布全体の分解能に与えるセンサ情報の影響度合いを示す寄与度を算出し、寄与度の大きいセンサ情報を優先的に送信する。
図1は、本開示の第一実施形態に係るセンシングシステムの機能構成例を示す概略ブロック図である。図1の例で、センシングシステム1は、複数のセンサノード装置100と、空間分析サーバ装置200とを備える。センサノード装置100の各々は、センサ101と、学習部102と、ノード側モデル記憶部103と、ノード側通信部104とを備える。空間分析サーバ装置200は、データ取得部201と、空間分析部202とを備える。センサノード装置100と空間分析サーバ装置200とは通信ネットワーク900を介して通信接続される。
センシングシステム1が備えるセンサノード装置100の数は複数であればよい。
センシングシステム1は、センサ測定値を分析してセンサ測定値の空間的分布を推定する装置である。センシングシステム1が値を推定するセンサ測定値は、電波、音波、音声、振動、電力量あるいは交通量などいろいろな値であってもよい。例えば、センシングシステム1は、電波強度の空間的分布を推定する電波観測システムであってもよい。あるいは、センシングシステム1は、道路交通量の空間的分布を推定する交通監視システムであってもよい。あるいは、センシングシステム1は、電力量の空間的分布を推定する電力監視システムであってもよい。あるいは、センシングシステム1は、騒音の空間的分布を推定する騒音監視システムであってもよい。
センサ101は、センサ101自らが設置された位置における測定対象データの値を測定する。センサ101としていろいろなセンサを用いることができる。例えば、センサ101は、電波センサであってもよいし、音センサであってもよいし、振動センサ又は加速度センサであってもよい。あるいは、センサ101は、電力センサであってもよいし、交通量センサであってもよい。
また、学習部102は、学習したモデルを用いて測定対象データの推定値を算出する。学習部102が算出する測定対象データの推定値は、学習部102の学習結果を示す学習結果データの例に該当する。
ノード側通信部104は、他の装置と通信を行う。特に、ノード側通信部104は、学習部102の学習結果を示す学習結果データを通信ネットワーク900を介して空間分析サーバ装置200へ送信する。具体的には、ノード側通信部104は、学習部102が学習したモデル(単に、モデルとも称する)を用いて算出した、測定対象データの推定値を送信する。但し、ノード側通信部104が送信する学習結果データは、測定対象データの推定値に限られない。例えば、第二実施形態で後述するように、ノード側通信部104は、モデルのパラメータなどのモデルを示すデータを送信するようにしてもよい。モデルを示すデータを送信する場合、センサノード装置100側でモデルを用いて測定対象データの推定値を算出する必要はない。
なお、図1では、ノード側通信部104が学習部102に接続されている場合の例を示しているが、ノード側通信部104の接続先は学習部102に限らない。例えば、ノード側通信部104がノード側モデル記憶部103に接続されて、ノード側モデル記憶部103から学習結果データを取得するようにしてもよい。他の実施形態についても同様である。
図2の各部のうち、図1の各部と同一の部分には同一の符号(100、101、102、103、104)を付して説明を省略する。
ノード側制御部190は、学習装置110の各部を制御して各種処理を実行する。ノード側制御部190は、例えば学習装置110が備えるCPU(Central Processing Unit、中央処理装置)がノード側記憶部180からプログラムを読み出して実行することで構成される。
また、センサノード装置100以外の装置が、センサ101の測定条件を設定するようにしてもよい。例えば、空間分析サーバ装置200が、センサ101の測定条件を設定するようにしてもよい。この場合、空間分析サーバ装置200は、通信ネットワーク900を介してセンサノード装置100へ測定条件を送信する。これにより、センサ101が測定条件に従って測定を行うよう指示する。
空間分析サーバ装置200は、コンピュータやプロセッサを用いて構成される。
データ取得部201は、ノード側通信部104が送信する学習結果データを取得する。具体的には、データ取得部201は、学習部102がモデルを用いて算出した測定対象データの推定値を取得する。
空間分析部202が用いる補間方法として公知の方法を用いることができる。例えば、空間分析部202が二次元の線形補間、クリギング(Kriging)、及び、逆距離荷重法のうちの何れか、あるいはこれらの組み合わせにて補間を行うようにしてもよい。
図3の各部のうち、図1の各部と同一の部分には同一の符号(200、202)を付して説明を省略する。
分析側記憶部280は、各種データを記憶する。分析側記憶部280は、空間分析サーバ装置200が備える記憶デバイスやメモリを用いて構成される。
分析側制御部290は、空間分析サーバ装置200の各部を制御して各種処理を実行する。分析側制御部290は、例えば空間分析サーバ装置200が備えるCPU(Central Processing Unit、中央処理装置)やプロセッサが分析側記憶部280からプログラムを読み出して実行することで構成される。
図5は、センサノード装置100の学習部102が学習するモデルの入出力の例を示すグラフである。図5に示すグラフの横軸は1日の時刻を示す。縦軸は、電波強度を示す。電波強度として、例えば受信電波の電力密度を用いることができる。
第二実施形態で後述するように学習部102がモデルを示す情報を送信する場合は、モデルとしてn次関数を用いるなど、パラメータによってモデルを示せることが好ましい。
但し、学習部102が学習するモデルは、図5に示す例に限らない。例えば、学習部102が、周波数と測定対象データ値との関係を示すモデルを学習するようにしてもよい。さらに例えば、学習部102が、周波数の入力に対して測定対象のデータ値を出力するモデルを学習するようにしてもよい。
あるいは、学習部102が、時刻と周波数との組み合わせの入力に対して測定対象のデータ値を出力するモデルを学習してもよい。このように、学習部102は、複数の値の入力を受けて測定対象のデータ値を出力するモデルを学習するようにしてもよい。
例えば、空間分析サーバ装置200が表示デバイスを備えて図6の例のように対象データ値の分布の推定結果を表示するようにしてもよい。
あるセンサノード装置100において、センサ測定値と学習結果(推定値)との差が所定の閾値よりも小さくなった場合、例えば分析側制御部290が、当該センサノード装置100の識別情報をデータベースから削除する。つまり、センサ測定値と推定値との差が所定の閾値よりも小さくなった場合に、センサノード装置100の学習が進んだ旨、判定できる。学習が進んでいない状態ではなくなったことにより、分析側制御部290は、そのセンサノード装置100の識別情報をデータベースから削除する。
図7の処理で、空間分析部202は、データ要求先のセンサノード装置100の識別情報を取得する(ステップS101)。
そして、空間分析部202は、データ要求先のセンサノード装置100の識別情報がデータベース(外れ値DB)に登録されているか否かを判定する(ステップS102)。すなわち、空間分析部202は、データ要求先のセンサノード装置100が、学習の進んでいないセンサノード装置100として登録されているか否かを判定する。
そして、空間分析部202は、得られたデータ(センサ測定値)に基づいて、対象空間における測定対象データの分布を推定する(空間的な分析処理を行う)。言い換えると、空間分析部202は、データベースから読み出したセンサ測定値に基づいて、対象空間における測定対象データの推定値を算出する(ステップS131)。空間分析部202は、センサ測定値に対して空間的な補間を行い、対象空間における測定対象データの分布を推定する。
ステップS131の後、空間分析サーバ装置200は、図7の処理を終了する。
ステップS121の後、空間分析サーバ装置200は、ステップS131へ進む。
この場合、ステップS131において空間分析部202は、ステップS121で得られた推定値を用いて対象区間における測定対象データの分布を推定する(空間的な分析処理を行う)。言い換えると、空間分析部202は、モデルを用いて算出した推定値に基づいて、対象空間における測定対象データの推定値を算出する。空間分析部202は、算出された推定値に対して空間的な補間を行い、対象空間における測定対象データの分布を推定する。
従って、ステップS131において空間分析部202は、ステップS111で得られたセンサ測定値、及び、ステップS121で得られたセンサ測定値の推定値のうちいずれか一方又は両方を用いて、対象空間における測定対象データの推定値を算出する。
また、将来の日時における測定対象データの分布を予測する場合、計測値は得られていない。そこで、空間分析部202が、ステップS121で得られるセンサ測定値の推定値を使って空間分析を行うようにしてもよい。つまり、空間分析部202は、モデルを用いて算出された推定値に基づいて、空間分析を行う。あるいは、空間分析部202が、ステップS111で得られる最も新しい計測値を併せて活用するようにしてもよいし、予測する将来日時と類似の条件下、例えば、同じ曜日や同じ時刻でのセンサ計測値を活用するようにしてもよい。
特に、センサ101の測定値がモデルによる推定値と略一致する定常状態では、センサノード装置100はデータを送信する必要がなく、かつ、データを記憶する必要もない。つまり、この点で、少なくとも定常状態においてセンサノード装置100の通信量をより低減させることができる。
これにより、センシングシステム1は、例えば1日のうち所定の時間帯における電波強度など、時刻に対応した測定対象データ値を推定することができる。
これにより、センシングシステム1は、例えば所定の周波数帯における電波強度など、周波数に対応した測定対象データ値を推定することができる。
一方、このようにモデルによる推定値から大きく異なる測定値は、空間分析部202が行う分析に重要であることが考えられる。そこで、センサ101の測定値がモデルによる推定値と所定の閾値以上異なる場合、ノード側通信部104は、この測定値(生データ)を空間分析サーバ装置200へ送信するようにしてもよい。測定値(生データ)が送信された場合、空間分析サーバ装置200は、モデルを用いて算出された推定値ではなく、送信された測定値に基づいて空間的な分布を推定してもよい。これにより、モデルによる推定値と所定の閾値以上異なる測定値が重要である場合に、その測定値をタイムリーに空間分析に適用することができる。
図8は、本開示の第二実施形態に係るセンシングシステムの機能構成例を示す概略ブロック図である。図8の例で、センシングシステム2は、センサノード装置100と、空間分析サーバ装置200と、モデル管理サーバ装置300とを備える。センサノード装置100は、センサ101と、学習部102と、ノード側モデル記憶部103と、ノード側通信部104とを備える。空間分析サーバ装置200は、データ取得部201と、空間分析部202とを備える。モデル管理サーバ装置300は、モデル管理部301と管理側モデル記憶部302とを備える。センサノード装置100とモデル管理サーバ装置300とは通信ネットワーク900を介して通信接続される。
センシングシステム2が備えるセンサノード装置100の数は複数であればよい。
モデル管理サーバ装置300は、センサノード装置100の各々が学習したモデルを管理する。特に、モデル管理サーバ装置300は、センサノード装置100の各々が記憶しているモデルと同一のモデルを記憶する。また、モデル管理サーバ装置300は、センサノード装置100が新たに設置された場合に、このセンサノード装置100に対してモデルの初期値を提供する。
管理側記憶部380は、各種データを記憶する。管理側記憶部380は、モデル管理サーバ装置300が備える記憶デバイスやメモリを用いて構成される。
管理側制御部390は、モデル管理サーバ装置300の各部を制御して各種処理を行う。管理側制御部390は、例えばモデル管理サーバ装置300が備えるCPUが、管理側記憶部380からプログラムを読み出して実行することで構成される。
これにより、空間分析サーバ装置200が測定対象データの値を要求した場合に、モデル管理サーバ装置300が測定対象データの推定値を算出して回答することができる。センサノード装置100へ問い合わせる必要がない点で、センサノード装置100の通信量を削減することができる。
図10は、本開示に係るセンシングシステムの最小構成を示す図である。図10に示すセンシングシステム10は、複数のセンサノード装置11と、分析装置15とを備える。各センサノード装置11は、センサ12と、学習部13と、通信部14とを備える。分析装置15は、空間分析部16を備える。
特に、センサノード装置11の測定値がモデルによる推定値と一致する定常状態では、センサノード装置11は別段データを送信する必要がなく、かつ、別段データを記憶する必要もない。この点で、少なくとも定常状態においてセンサノード装置11の通信量をより低減させることができる。
かかる構成にて、学習部23は、センサ22による測定値を用いて、センサ22の設置位置における測定対象データ値の推定に用いるモデルを学習する。通信部24は、学習部23の学習結果を示す学習結果データを送信する。
このように、センサノード装置21によれば、センサノード装置21の記憶容量、センサノード装置21の通信量のいずれも比較的小さくて済む。
特に、センサノード装置21の測定値がモデルによる推定値と一致する定常状態では、センサノード装置21はデータを送信する必要がなく、かつ、データを記憶する必要もない。この点で、少なくとも定常状態においてセンサノード装置21の通信量をより低減させることができる。
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。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
(付記1)
複数のセンサノード装置と、分析装置とを備え、
前記複数のセンサノード装置の各々は、
測定対象を測定しデータ値を取得するセンサと、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習する学習部と、
前記学習部の学習結果を示す学習結果データを送信する通信部と、
を備え、
前記分析装置は、
前記複数のセンサノード装置の各々の前記学習結果データと、各センサノード装置の設置位置とに基づいて、前記データ値の空間的な分布を推定する空間分析部を備える
センシングシステム。
前記学習部は、時刻と前記データ値との関係を示す前記モデルを学習する、付記1に記載のセンシングシステム。
前記学習部は、周波数と前記データ値との関係を示す前記モデルを学習する、付記1に記載のセンシングシステム。
前記複数のセンサノード装置の各々から送信される前記学習結果データに含まれる、各センサノード装置の前記モデルを記憶し、前記モデルを用いて前記データ値の推定値を算出するモデル管理サーバ装置を備え、
前記空間分析部は、算出された前記データ値の前記推定値に基づいて、前記データ値の前記空間的な分布を推定する、
付記1から3のいずれか一項に記載のセンシングシステム。
前記学習結果データは、前記データ値の推定値または前記モデルのパラメータ値である、付記1から4のいずれか一項に記載のセンシングシステム。
前記センサは、電波センサ、音センサ、振動センサ、加速度センサ、電力センサ、交通量センサのいずれかである、付記1から5のいずれか一項に記載のセンシングシステム。
測定対象を測定しデータ値を取得するセンサと、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習する学習部と、
前記学習部の学習結果を示す学習結果データを送信する通信部と、
を備えるセンサノード装置。
前記学習結果データは、前記データ値の推定値または前記モデルのパラメータ値である、付記7に記載のセンサノード装置。
前記センサは、電波センサ、音センサ、振動センサ、加速度センサ、電力センサ、交通量センサのいずれかである、付記7または付記8に記載のセンサノード装置。
センサによって測定されたデータ値を取得し、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習し、
前記学習による学習結果を示す学習結果データを送信する、
センサ測定値処理方法。
前記学習結果データは、前記データ値の推定値または前記モデルのパラメータ値である、付記10に記載のセンサ測定値処理方法。
前記センサは、電波センサ、音センサ、振動センサ、加速度センサ、電力センサ、交通量センサのいずれかである、付記10または付記11に記載のセンサ測定値処理方法。
コンピュータに、
センサによって測定されたデータ値を取得し、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習し、
前記学習による学習結果を示す学習結果データを送信する、
処理を実行させるプログラム。
11、21、100 センサノード装置
12、22、101 センサ
13、23、102 学習部
14、24 通信部
15 分析装置
16 空間分析部
103 ノード側モデル記憶部
104 ノード側通信部
110 学習装置
180 ノード側記憶部
190 ノード側制御部
200 空間分析サーバ装置
201 データ取得部
202 空間分析部
220 分析側通信部
280 分析側記憶部
290 分析側制御部
900 通信ネットワーク
300 モデル管理サーバ装置
301 モデル管理部
302 管理側モデル記憶部
320 管理側通信部
380 管理側記憶部
390 管理側制御部
Claims (13)
- 複数のセンサノード装置と、分析装置とを備え、
前記複数のセンサノード装置の各々は、
測定対象を測定しデータ値を取得するセンサと、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習する学習部と、
前記学習部の学習結果を示す学習結果データを送信する通信部と、
を備え、
前記分析装置は、
前記複数のセンサノード装置の各々の前記学習結果データと、各センサノード装置の設置位置とに基づいて、前記データ値の空間的な分布を推定する空間分析部を備える
センシングシステム。 - 前記学習部は、時刻と前記データ値との関係を示す前記モデルを学習する、請求項1に記載のセンシングシステム。
- 前記学習部は、周波数と前記データ値との関係を示す前記モデルを学習する、請求項1に記載のセンシングシステム。
- 前記複数のセンサノード装置の各々から送信される前記学習結果データに含まれる、各センサノード装置の前記モデルを記憶し、前記モデルを用いて前記データ値の推定値を算出するモデル管理サーバ装置を備え、
前記空間分析部は、算出された前記データ値の前記推定値に基づいて、前記データ値の前記空間的な分布を推定する、
請求項1から3のいずれか一項に記載のセンシングシステム。 - 前記学習結果データは、前記データ値の推定値または前記モデルのパラメータ値である、請求項1から4のいずれか一項に記載のセンシングシステム。
- 前記センサは、電波センサ、音センサ、振動センサ、加速度センサ、電力センサ、交通量センサのいずれかである、請求項1から5のいずれか一項に記載のセンシングシステム。
- 測定対象を測定しデータ値を取得するセンサと、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習する学習部と、
前記学習部の学習結果を示す学習結果データを送信する通信部と、
を備えるセンサノード装置。 - 前記学習結果データは、前記データ値の推定値または前記モデルのパラメータ値である、請求項7に記載のセンサノード装置。
- 前記センサは、電波センサ、音センサ、振動センサ、加速度センサ、電力センサ、交通量センサのいずれかである、請求項7または請求項8に記載のセンサノード装置。
- センサによって測定されたデータ値を取得し、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習し、
前記学習による学習結果を示す学習結果データを送信する、
センサ測定値処理方法。 - 前記学習結果データは、前記データ値の推定値または前記モデルのパラメータ値である、請求項10に記載のセンサ測定値処理方法。
- 前記センサは、電波センサ、音センサ、振動センサ、加速度センサ、電力センサ、交通量センサのいずれかである、請求項10または請求項11に記載のセンサ測定値処理方法。
- コンピュータに、
センサによって測定されたデータ値を取得し、
前記データ値に基づいて、前記センサの設置位置における前記データ値の推定に用いるモデルを学習し、
前記学習による学習結果を示す学習結果データを送信する、
処理を実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017002008 | 2017-01-10 | ||
JP2017002008 | 2017-01-10 | ||
PCT/JP2017/043055 WO2018131311A1 (ja) | 2017-01-10 | 2017-11-30 | センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018131311A1 true JPWO2018131311A1 (ja) | 2019-11-07 |
JP7206915B2 JP7206915B2 (ja) | 2023-01-18 |
Family
ID=62839935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018561843A Active JP7206915B2 (ja) | 2017-01-10 | 2017-11-30 | センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11514277B2 (ja) |
JP (1) | JP7206915B2 (ja) |
WO (1) | WO2018131311A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021181124A (ja) * | 2018-07-19 | 2021-11-25 | ソニーグループ株式会社 | 制御装置、制御方法、およびプログラム |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10320007A (ja) * | 1997-05-22 | 1998-12-04 | Hitachi Ltd | 流動予測システム |
JP2007018490A (ja) * | 2005-02-23 | 2007-01-25 | Sony Corp | 行動制御装置および行動制御方法、並びに、プログラム |
JP2007091104A (ja) * | 2005-09-29 | 2007-04-12 | Fuji Heavy Ind Ltd | 車両挙動推定予測装置および車両安定化制御システム |
JP2009238196A (ja) * | 2008-03-05 | 2009-10-15 | Kddi Corp | 携帯端末装置の移動状態を推定する方法及びシステム |
JP2010271978A (ja) * | 2009-05-22 | 2010-12-02 | Nippon Telegr & Teleph Corp <Ntt> | 行動推定装置 |
JP2011118755A (ja) * | 2009-12-04 | 2011-06-16 | Sony Corp | 学習装置、学習方法、およびプログラム |
WO2012169003A1 (ja) * | 2011-06-07 | 2012-12-13 | 株式会社日立製作所 | 情報処理システム及び情報処理方法 |
JP2013211616A (ja) * | 2012-03-30 | 2013-10-10 | Sony Corp | 端末装置、端末制御方法、プログラム、および情報処理システム |
WO2014109040A1 (ja) * | 2013-01-10 | 2014-07-17 | 富士通株式会社 | 制御方法、制御プログラム、および制御装置 |
JP2014228972A (ja) * | 2013-05-20 | 2014-12-08 | 日本電信電話株式会社 | 情報処理装置、情報処理システム、情報処理方法、および学習プログラム |
JP2015001891A (ja) * | 2013-06-17 | 2015-01-05 | 日本電信電話株式会社 | センサデータ収集システム、基地局装置、センサノード装置、サンプリングレート制御方法、及びプログラム |
JP2015023668A (ja) * | 2013-07-18 | 2015-02-02 | 株式会社Nttファシリティーズ | 節電支援システム、及び節電支援装置 |
JP2015097059A (ja) * | 2013-11-15 | 2015-05-21 | 株式会社日立パワーソリューションズ | 電力需要予測装置及び電力需要予測方法 |
WO2016067483A1 (ja) * | 2014-10-28 | 2016-05-06 | 日本電気株式会社 | 推定結果表示システム、推定結果表示方法および推定結果表示プログラム |
JP2016115289A (ja) * | 2014-12-17 | 2016-06-23 | 富士通株式会社 | センサ制御装置、センサ制御プログラム及びセンサ制御方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4787578B2 (ja) | 2005-09-16 | 2011-10-05 | 日本電気株式会社 | センサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラム |
CN102110365B (zh) | 2009-12-28 | 2013-11-06 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和系统 |
JP5760873B2 (ja) * | 2011-09-06 | 2015-08-12 | 沖電気工業株式会社 | データ生成装置、方法およびプログラム |
US20150341980A1 (en) * | 2014-05-20 | 2015-11-26 | Allied Telesis Holdings Kabushiki Kaisha | Playback device for a sensor based detection system |
ES2906411T3 (es) * | 2015-06-29 | 2022-04-18 | Suez Groupe | Procedimiento de detección de anomalías en un sistema de distribución de agua |
-
2017
- 2017-11-30 WO PCT/JP2017/043055 patent/WO2018131311A1/ja active Application Filing
- 2017-11-30 US US16/475,431 patent/US11514277B2/en active Active
- 2017-11-30 JP JP2018561843A patent/JP7206915B2/ja active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10320007A (ja) * | 1997-05-22 | 1998-12-04 | Hitachi Ltd | 流動予測システム |
JP2007018490A (ja) * | 2005-02-23 | 2007-01-25 | Sony Corp | 行動制御装置および行動制御方法、並びに、プログラム |
JP2007091104A (ja) * | 2005-09-29 | 2007-04-12 | Fuji Heavy Ind Ltd | 車両挙動推定予測装置および車両安定化制御システム |
JP2009238196A (ja) * | 2008-03-05 | 2009-10-15 | Kddi Corp | 携帯端末装置の移動状態を推定する方法及びシステム |
JP2010271978A (ja) * | 2009-05-22 | 2010-12-02 | Nippon Telegr & Teleph Corp <Ntt> | 行動推定装置 |
JP2011118755A (ja) * | 2009-12-04 | 2011-06-16 | Sony Corp | 学習装置、学習方法、およびプログラム |
WO2012169003A1 (ja) * | 2011-06-07 | 2012-12-13 | 株式会社日立製作所 | 情報処理システム及び情報処理方法 |
JP2013211616A (ja) * | 2012-03-30 | 2013-10-10 | Sony Corp | 端末装置、端末制御方法、プログラム、および情報処理システム |
WO2014109040A1 (ja) * | 2013-01-10 | 2014-07-17 | 富士通株式会社 | 制御方法、制御プログラム、および制御装置 |
JP2014228972A (ja) * | 2013-05-20 | 2014-12-08 | 日本電信電話株式会社 | 情報処理装置、情報処理システム、情報処理方法、および学習プログラム |
JP2015001891A (ja) * | 2013-06-17 | 2015-01-05 | 日本電信電話株式会社 | センサデータ収集システム、基地局装置、センサノード装置、サンプリングレート制御方法、及びプログラム |
JP2015023668A (ja) * | 2013-07-18 | 2015-02-02 | 株式会社Nttファシリティーズ | 節電支援システム、及び節電支援装置 |
JP2015097059A (ja) * | 2013-11-15 | 2015-05-21 | 株式会社日立パワーソリューションズ | 電力需要予測装置及び電力需要予測方法 |
WO2016067483A1 (ja) * | 2014-10-28 | 2016-05-06 | 日本電気株式会社 | 推定結果表示システム、推定結果表示方法および推定結果表示プログラム |
JP2016115289A (ja) * | 2014-12-17 | 2016-06-23 | 富士通株式会社 | センサ制御装置、センサ制御プログラム及びセンサ制御方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018131311A1 (ja) | 2018-07-19 |
US11514277B2 (en) | 2022-11-29 |
US20190340471A1 (en) | 2019-11-07 |
JP7206915B2 (ja) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miluzzo et al. | CaliBree: A self-calibration system for mobile sensor networks | |
JP4926752B2 (ja) | 分散計測システムおよびその方法 | |
US10139253B2 (en) | Adjustment of interrupt timestamps of signals from a sensor based on an estimated sampling rate of the sensor | |
JPWO2014157240A1 (ja) | データ収集管理システム、データ収集管理方法、端末及び管理装置 | |
US10841125B2 (en) | Method for transmitting data from a sensor | |
US10021636B2 (en) | Methods, apparatuses, and computer program products for configuring and collecting information from sleepy devices | |
JP2016038715A (ja) | データ収集管理システム、装置、方法およびプログラム | |
KR20210055560A (ko) | 인공지능 서비스에 대한 성능 관리 장치 및 방법 | |
JP6093791B2 (ja) | 測位装置、測位方法、測位プログラム、および、測位システム | |
JP6159594B2 (ja) | 観測値処理装置、観測値処理方法及び観測値処理プログラム | |
JP2015512082A5 (ja) | ||
WO2018131311A1 (ja) | センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム | |
JP2013092929A5 (ja) | ||
Dias et al. | A self-managed architecture for sensor networks based on real time data analysis | |
JP2013197704A (ja) | トラフィック量予測処理装置およびコンピュータプログラム | |
JP7224882B2 (ja) | センサシステム、センサシステムの制御方法、及び制御装置 | |
JP5636922B2 (ja) | 性能予測装置、性能予測方法およびプログラム | |
JP6349214B2 (ja) | 位置推定装置及び位置推定プログラム | |
JP6246747B2 (ja) | 測定装置及び測定方法 | |
JP7238972B2 (ja) | 位置推定装置、位置推定方法及びプログラム | |
JP7297240B2 (ja) | ユーザ状態推定装置 | |
JP7111159B2 (ja) | 情報共有装置、情報共有方法および情報共有プログラム | |
JP4786738B2 (ja) | 最適位置算出装置、最適位置算出方法およびプログラム | |
JP6778760B2 (ja) | 制御装置、制御方法、および制御プログラム | |
JP6309768B2 (ja) | 無線センサネットワークシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201006 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210830 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220829 |
|
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: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221219 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7206915 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |