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
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。
Description
本発明は、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に関する。
センサの測定データを送受信するシステムの通信量を低減させるための幾つかの技術が提案されている。
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。
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。
これにより、特許文献１に記載のセンサネットワークシステムでは、アプリケーション装置が得るセンサ情報分布を、寄与度が大きい（情報量が多い）センサ情報によって構成することができる。このセンサネットワークシステムでは、センサノードとアプリケーション装置との間のトラフィック量を削減することができる。このため、センサ情報分布において高い精度及び分解能が求められる領域で、輻輳等による欠損データを少なくすることができる。
特許文献１のように複数のセンサノードから情報を送信するシステムで、通信量をより低減させることができればより好ましい。
本開示は、上述の課題を解決することのできる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を提供することを目的としている。
本開示の第１の態様によれば、センシングシステムは、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。
本開示の第２の態様によれば、センサノード装置は、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、を備える。
本開示の第３の態様によれば、センサ測定値処理方法は、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含む。
本開示の第４の態様によれば、プログラムは、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である。
この開示によれば、少なくとも所定の場合に通信量をより低減させることができる。
以下、本開示の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
＜第一実施形態＞
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。
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。
通信ネットワーク９００は、センサノード装置１００と空間分析サーバ装置２００との通信を中継する。通信ネットワーク９００としていろいろな通信ネットワークを用いることができる。例えば、通信ネットワーク９００は、インターネットであってもよいし、センシングシステム１専用の通信ネットワークであってもよい。
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。
センサノード装置１００は、センサ１０１が設置された位置におけるセンサ測定値に基づいて、センサ測定値を推定するためのモデルを学習する。
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。
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。
学習部１０２は、センサ１０１による測定値を用いて、センサ１０１の設置位置における測定対象データ値を推定するモデルを学習する。
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。
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。
ノード側モデル記憶部１０３は、学習部１０２が学習したモデルを記憶する。
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。
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は、センサノード装置１００の、より詳細な機能構成例を示す概略ブロック図である。図２の例で、センサノード装置１００は、センサ１０１と、学習装置１１０とを備える。学習装置１１０は、ノード側通信部１０４と、ノード側記憶部１８０と、ノード側制御部１９０とを備える。ノード側記憶部１８０は、ノード側モデル記憶部１０３を備える。ノード側制御部１９０は、学習部１０２を備える。
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。
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。
学習装置１１０は、学習部１０２、ノード側モデル記憶部１０３、ノード側通信部１０４の各機能を実行する。学習装置１１０は、例えばパソコン（Personal Computer；ＰＣ）、マイコン（Micro Computer）、或いはワークステーション（Workstation）等のコンピュータやプロセッサを用いて構成される。あるいは、学習装置１１０が学習装置１１０専用のハードウェアを用いて構成されていてもよい。
ノード側記憶部１８０は、各種データを記憶する。ノード側記憶部１８０は、学習装置１１０が備える記憶デバイスやメモリを用いて構成される。
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。
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、ノード側制御部１９０は、センサ１０１の測定条件（センサ１０１が測定を行うときの測定条件）を設定する。例えば、ノード側制御部１９０は、測定条件として、測定タイミング（測定する時刻）、測定の分解能（どれくらいの刻み幅で測定を行うか）、及び、測定を繰り返す回数を設定する。さらに、測定対象データが電波又は音波である場合など周波数を有するデータである場合、ノード側制御部１９０は、測定対象とする周波数を設定する。但し、ノード側制御部１９０が設定する測定条件は、これらに限定されない。
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。
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。
図１に戻り、空間分析サーバ装置２００は、センサノード装置１００から測定対象データの推定値を取得して、測定対象データの空間分布を推定する。空間分析サーバ装置２００は、分析装置の例に該当する。
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は、複数のセンサノード装置１００の各々から送信される学習結果データと、当該センサノード装置１００の設置位置とに基づいて、測定対象データ値の空間的な分布を推定する。具体的には、空間分析部２０２は、複数のセンサノード装置１００の各々から得られた測定対象データの推定値に対して空間的な補間を行う。これにより、空間分析部２０２は、対象空間全体ついて測定対象データの推定値を算出する。
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。
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は、空間分析サーバ装置２００の、より詳細な機能構成例を示す概略ブロック図である。図３の例で、空間分析サーバ装置２００は、分析側通信部２２０と、分析側記憶部２８０と、分析側制御部２９０とを備える。分析側制御部２９０は、空間分析部２０２を備える。
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。
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。
分析側通信部２２０は、他の装置と通信を行う。特に分析側通信部２２０は、ノード側通信部１０４が送信する学習結果データを受信する。分析側通信部２２０は、図１のデータ取得部２０１の例に該当する。
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。
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４は、センサノード装置１００の配置例を示す図である。図４では、センサノード装置１００の各々が電波強度を測定して学習を行う場合の例を示している。図４に示すように、センサノード装置１００は、データ測定対象の空間に離散的に配置される。
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。
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。
学習部１０２は、図５に示すグラフのように、時刻の入力に対して電波強度を出力するモデルを記憶する。学習部１０２が用いるモデルとしていろいろなモデルを適用することができる。例えば、学習部１０２が、ｎ次関数（ｎは正整数）などの関数をモデルとして用いて、この関数の係数を学習するようにしてもよい。あるいは、学習部１０２が、サポートベクターマシン（Support Vector Machine）またはランダムフォレスト（Random Forest）などのモデルを用いるようにしてもよい。
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。
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。
図５では、学習部１０２が、時刻と測定対象データ値との関係を示すモデルを学習する場合の例を示している。
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。
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。
図６は、空間分析部２０２が算出する測定対象データの推定値の表示例を示す図である。図６の例では、空間分析部２０２が対象空間における電波強度の分布を推定する場合の例を示している。図６では、空間分析部２０２が推定した電波強度の分布がヒートマップ風に表示されている。さらに、図６の例では、電波強度の分布の推定値の時系列データが階層的に示されている。
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。
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。
センサノード装置１００が新たに設置された場合など、学習部１０２の学習が進んでいない状態では、学習部１０２による測定対象データの推定値の精度が低いことが考えられる。空間分析サーバ装置２００は、学習が進んでいないセンサノード装置１００からは、想定対象データの推定値に代えてセンサ測定値を取得するようにしてもよい。
例えば、空間分析サーバ装置２００の分析側記憶部２８０は、外れ値を保存するためのデータベース（ＤＢ）を備える。分析側記憶部２８０は、学習の進んでいないセンサノード装置１００の識別情報と、そのセンサノード装置１００から受信したセンサ測定値とをデータベースに記憶しておく。空間分析部２０２は、データベースに識別情報が登録されているセンサノード装置１００については、このセンサノード装置１００からの測定対象データの推定値の受信に代えて、データベースからセンサ測定値を読み出す。その場合、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を空間分析に用いる。
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。
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は、空間分析サーバ装置２００がセンサノード装置１００からデータを取得する処理手順の例を示すフローチャートである。
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。
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。
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に登録されていると判定した場合（ステップＳ１０２：ＹＥＳ）、空間分析部２０２は、データベース（外れ値ＤＢ）からセンサ測定値を読み出す（ステップＳ１１１）。
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。
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。
一方、ステップＳ１０２で、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に登録されていないと判定した場合（ステップＳ１０２：ＮＯ）、空間分析部２０２は、学習部１０２がモデルを用いて算出した推定値を取得する（ステップＳ１２１）。
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。
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。
例えば、イベント開催などの事象により、特定の時刻において、測定対象データが平常時と異なる振る舞いを見せることが予見される場合、空間分析部２０２が、ステップＳ１１１で得られたセンサ測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、データベースから読み出したセンサ測定値に基づいて、空間分析を行う。
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。
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。
以上のように、学習部１０２は、センサ１０１による測定値を用いて、センサ１０１の設置位置における測定対象データ値を推定するモデルを学習する。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などを介して空間分析サーバ装置２００へ送信する。空間分析部２０２は、複数のセンサノード装置１００の各々から送信される学習結果データと、当該センサノード装置１００の設置位置とに基づいて、測定対象データ値の空間的な分布を推定する。
このように、学習部１０２が測定対象データ値を推定するモデルを学習する。これにより、センシングシステム１は、このモデルを用いて測定対象データ値を求めることができる。従って、センサノード装置１００は、センサ１０１による測定値（生データ）を記憶しておく必要がない。また、センサノード装置１００がセンサ１０１による測定値（生データ）を他の装置に送信して、他の装置がこの測定値を記憶しておく必要もない。
このように、センシングシステム１によれば、センサノード装置１００の記憶容量、センサノード装置１００の通信量のいずれも比較的小さくて済む。
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。
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。
また、学習部１０２は、時刻と測定対象データ値との関係を示すモデルを学習する。
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。
また、学習部１０２は、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。
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。
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。
なお、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、学習部１０２は、この測定値を外れ値として学習対象から除外するようにしてもよい。これにより、センサ１０１の測定値が外れ値である場合に、その測定値がモデルに反映されることを防ぐことができる。
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。
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。
＜第二実施形態＞
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。
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。
図８の各部のうち、図１の各部に対応して同様の機能を有する部分には同一の符号（１００、１０１、１０２、１０３、１０４、２００、２０１、２０２、９００）を付して説明を省略する。図８は、センシングシステム２がモデル管理サーバ装置３００を備えている点で、図１のセンシングシステム１の場合と異なる。
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。
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。
例えば、センサノード装置１００がセンサ１０１の測定値（生データ）を送信し、モデル管理部３０１がこの測定値を用いて一定期間学習を行って、得られたモデルをセンサノード装置１００へ送信するようにしてもよい。あるいは、モデル管理部３０１が他のセンサノード装置１００のモデルに基づいて、新たに設置されたセンサノード装置１００に提供するモデルを用意するようにしてもよい。例えば、モデル管理部３０１が、他のセンサノード装置１００のいずれかのモデルを、新たに設置されたセンサノード装置１００に提供するようにしてもよい。
管理側モデル記憶部３０２は、測定対象データ値を推定するモデルを記憶する。特に、管理側モデル記憶部３０２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。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がモデルを用いて推定値を算出して、空間分析サーバ装置２００に回答することができる。センサノード装置１００へ値を問い合わせる必要がない点で、センサノード装置１００の通信量を低減させることができる。
モデル管理部３０１は、センサノード装置１００の各々が学習した各モデルを管理する。特に、モデル管理部３０１は、センサノード装置１００の各々からモデルを取得し、取得したモデルを管理側モデル記憶部３０２に記憶させる。例えば、モデル管理部３０１は、センサノード装置１００の各々からモデルパラメータを取得し、管理側モデル記憶部３０２が記憶しているモデルのパラメータ値を更新する。これにより、管理側モデル記憶部３０２が記憶している各モデルが、各センサノード装置１００が記憶しているモデルと同一のモデルに更新される。この場合、モデル管理部３０１がセンサノード装置１００の各々から取得するモデルパラメータは、学習結果データの例に該当する。
図９は、モデル管理サーバ装置３００の、より詳細な機能構成例を示す概略ブロック図である。図９の例で、モデル管理サーバ装置３００は、管理側通信部３２０と、管理側記憶部３８０と、管理側制御部３９０とを備える。管理側記憶部３８０は、管理側モデル記憶部３０２を備える。管理側制御部３９０は、モデル管理部３０１を備える。図９の各部のうち、図８の各部と同一の部分には同一の符号（３００、３０１、３０２）を付して説明を省略する。
管理側通信部３２０は、他の装置と通信を行う。特に、管理側通信部３２０は、センサノード装置１００の各々と通信を行って、モデルパラメータなどモデルを示すデータを受信する。
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。
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。
モデル管理サーバ装置３００が、モデルを示すデータをセンサノード装置１００から受信するタイミングは、いろいろなタイミングとすることができる。例えば、モデル管理サーバ装置３００が、モデルを示すデータをセンサノード装置１００から定期的に受信するようにしてもよい。あるいは、空間分析サーバ装置２００からの測定対象データの値の要求があった際、管理側モデル記憶部３０２が記憶しているモデルが一定時間以上更新されていない場合に、モデル管理サーバ装置３００がセンサノード装置１００に対してモデルを示すデータを要求するようにしてもよい。
以上のように、管理側モデル記憶部３０２は、モデル管理部３０１の制御に従って、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。
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。
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。
次に、図１０〜図１１を参照して、本開示の最小構成について説明する。
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。
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。
かかる構成にて、学習部１３は、センサ１２による測定値（データ値）に基づいて、センサ１２の設置位置における測定対象データ値（データ値）の推定に用いるモデルを学習する。通信部１４は、学習部１３の学習結果を示す学習結果データを分析装置１５へ送信する。分析装置１５の空間分析部１６は、複数のセンサノード装置１１の各々の学習結果データと、各センサノード装置１１の設置位置とに基づいて、測定対象データ値（データ値）の空間的な分布を推定する。
このように、学習部１３が測定対象データ値を推定するモデルを学習することで、センシングシステム１０は、このモデルを用いて測定対象データ値を求めることができる。モデルを用いて測定対象データ値を取得できるため、センサノード装置１１は、センサ１２による測定値（生データ）を記憶しておく必要がない。また、センサノード装置１１がセンサ１２による測定値（生データ）を他の装置に送信して、他の装置がこの測定値を記憶しておく必要もない。
このように、センシングシステム１０によれば、センサノード装置１１の記憶容量、センサノード装置１１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。
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。
図１１は、本開示に係るセンサノード装置の最小構成を示す図である。図１１に示すセンサノード装置２１は、センサ２２と、学習部２３と、通信部２４とを備える。
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。
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、学習部２３が測定対象データ値を推定するモデルを学習することで、センサノード装置２１又は他の装置が、このモデルを用いて測定対象データ値を求めることができる。従って、センサノード装置２１は、センサ２２による測定値（生データ）を記憶しておく必要がない。また、センサノード装置２１がセンサ２２による測定値（生データ）を他の装置に送信して、他の装置がこの測定値を記憶しておく必要もない。
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。
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。
なお、ノード側制御部１９０、分析側制御部２９０及び管理側制御部３９０の機能の全部または一部を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。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。
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。
以上、本開示の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。また、これらの実施形態を適宜組み合わせても良い。
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）
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。
（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。
（付記２）
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、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。
（付記３）
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。
（付記４）
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。
（付記５）
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。
（付記６）
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。
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。
（付記７）
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。
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。
（付記８）
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。
（付記９）
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。
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。
（付記１０）
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。
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。
（付記１１）
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。
（付記１２）
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。
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。
（付記１３）
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。
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。
この出願は、２０１７年１月１０日に日本出願された特願２０１７−００２００８号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。
この開示によれば、少なくとも所定の場合に通信量をより低減させることができる。
１、２、１０ センシングシステム
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
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 |