JP2016133915A - Halt control system for sensor network - Google Patents

Abstract

PROBLEM TO BE SOLVED: To provide a sensor network capable of effectively reducing power required for the activation of a sensor without depending on the position information of an inhabitant, and maintaining detection accuracy basically requested as a sensor.SOLUTION: The halt control system of a sensor network includes: a sensor network 2 in which a sensor 21 capable of discriminating whether an object 11 is in a significant state or an insignificant state is installed for each of all objects 11 in a monitoring space; and control means for, when it is determined that one object 11 is in the significant state by one sensor 21 in the sensor network 2, controlling the state of another sensor 21 installed for another object 11 on the basis of a preliminarily acquired correlation between the significant state and the insignificant state between the respective objects 11.SELECTED DRAWING: Figure 1

Description

本発明は、監視空間内にある対象物毎に設置したセンサを介してそれぞれの対象物の状態を検出するセンサネットワークにおいて、そのセンサの起動に要する電力を削減する上で好適なセンサネットワークの休止制御システムに関するものである。   The present invention provides a sensor network that detects the state of each object via a sensor installed for each object in the monitoring space, and is suitable for reducing power required for starting the sensor. It relates to a control system.

近年において、ＩＴ（情報技術）を使用して家庭内のエネルギー消費が最適化されるように制御する、いわゆる省エネ住宅としてのスマートハウスが普及しつつある。このスマートハウスでは、家電機器や照明機器、風呂周辺機器、さらには水道や電気の供給口、家具等の各対象物をネットワークで結び、エネルギー監理システム（Home Energy Management System）を介して、各対象物の稼動状況を可視化する。またスマートハウスでは、エネルギー監理システムを介して各対象物のエネルギー使用を管理し自動制御を行うこともできる。エネルギー監理システムを介して実際にこれら各対象物の稼働状況を把握する際には、当該対象物毎にセンサを設置し、各センサから検出された情報を有効的に活用する。   In recent years, smart houses as so-called energy-saving houses that use IT (information technology) to control the energy consumption in the home are optimized. In this smart house, home appliances, lighting equipment, peripheral equipment for baths, water supply and electricity supply ports, furniture, and other objects are connected via a network, and each target is connected via an energy management system (Home Energy Management System). Visualize the operational status of things. The smart house can also manage and automatically control the energy usage of each object through the energy management system. When the operation status of each target object is actually grasped through the energy management system, a sensor is installed for each target object, and information detected from each sensor is effectively utilized.

ところで、このようなセンサをスマートハウス内にある各対象物について設置し、これを常時起動させることにより対象物の稼働状況を監視することとなれば、その分においてセンサにより消費される電力が大きくなってしまい、電力コストが過大となってしまう。このため、センサの起動に伴う電力の使用の効率化を図ることにより、これら電力コストを低減させる必要があった。これに加えて、スマートハウスの主なコンセプトが省エネ住宅であることから、太陽光発電等を介して得られた再生可能エネルギーを限られた範囲で使用しなければならないケースも生じ、或いは予め実装された限られたバッテリーのみを介して電力を供給しなければならない場合もある。このため、センサに対して消費される電力を削減するための技術がますます求められる状況となっている。   By the way, if such a sensor is installed for each target object in the smart house and the operation status of the target object is monitored by always starting it, the power consumed by the sensor in that amount is large. As a result, the power cost becomes excessive. For this reason, it was necessary to reduce these electric power costs by improving the efficiency of the use of electric power accompanying the start of the sensor. In addition, since the main concept of smart houses is energy-saving houses, there are cases where renewable energy obtained through solar power generation, etc. must be used within a limited range, or implemented in advance. In some cases, power must be supplied only through a limited battery. For this reason, a technique for reducing the power consumed by the sensor is increasingly required.

このため、エネルギー監理システムにおけるセンサの使用電力の削減方法に関して各種研究が行われている（例えば、非特許文献１参照。）。この非特許文献１の開示技術では、スマートハウス内の住人の位置情報に基づいて制御を行うことをその基本コンセプトとしている。つまり、住人の位置情報を先ず取得し、住人が居る部屋のセンサは起動させ続ける一方で、住人が居ない部屋のセンサは全て休止状態とする。これにより、休止させたセンサの分に応じて使用電力の削減が図れることとなる。   For this reason, various researches have been conducted on methods for reducing the power consumption of sensors in an energy management system (see, for example, Non-Patent Document 1). In the disclosed technique of Non-Patent Document 1, the basic concept is to perform control based on the location information of the resident in the smart house. That is, the location information of the resident is first acquired, and the sensors in the room where the resident is present are kept activated, while all the sensors in the room where the resident is not present are put into a dormant state. As a result, power consumption can be reduced according to the number of sensors that have been suspended.

しかしながら、この非特許文献１の開示技術では、以下３つの問題点がある。   However, the disclosed technology disclosed in Non-Patent Document 1 has the following three problems.

第１に、洗濯機や電子レンジ等のような家電機器等では、当該家電機器を作動させつつ住人が別の部屋に居る場合がある。かかる場合において住人が居る部屋のセンサのみ起動し、それ以外の部屋のセンサを休止させてしまうと、その時点において実際に稼動している家電機器のエネルギーの使用状況を検出することができないという問題点が生じる。   First, in home appliances such as a washing machine and a microwave oven, a resident may be in another room while operating the home appliance. In such a case, if only the sensor in the room where the resident is present is activated and the sensors in the other rooms are deactivated, it is impossible to detect the energy usage status of the home appliances that are actually operating at that time. A point arises.

第２に、住人の位置情報を例えばＧＰＳ（Global Positioning System）等により検出しようとする場合において、特に住人がスマートハウスの屋内に居る場合にはＧＰＳによる高精度な位置情報の検出が難しい場合がある。   Secondly, when the position information of the resident is to be detected by, for example, GPS (Global Positioning System), it is difficult to detect the position information with high accuracy by GPS particularly when the resident is in the smart house. is there.

第３に、住人のスマートハウス内における位置情報を直接的に使用するのは、住人のプライバシーの観点から望ましくないという問題点もある。   Thirdly, it is not desirable to directly use location information in the resident's smart house from the viewpoint of the resident's privacy.

Pensas, Harri, Miika Valtonen, and Jukka Vanhala. "Wireless sensor networks energy optimization using user location information in smart homes."Broadband and Wireless Computing, Communication and Applications (BWCCA), 2011 International Conference on. IEEE, 2011Pensas, Harri, Miika Valtonen, and Jukka Vanhala. "Wireless sensor networks energy optimization using user location information in smart homes." Broadband and Wireless Computing, Communication and Applications (BWCCA), 2011 International Conference on.IEEE, 2011

そこで、本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、スマートハウス内等の監視空間内にある対象物毎に設置したセンサを介してそれぞれの対象物の状態を検出するセンサネットワークにおいて、住人の位置情報に依存することなく、そのセンサの起動に要する電力を効果的に削減することができ、しかもセンサとして基本的に求められる検出精度を維持し、検出した情報の高速なデジタルデータ化を実現することが可能なセンサネットワークの休止制御システムを提供することにある。   Therefore, the present invention has been devised in view of the above-mentioned problems, and the object of the present invention is to provide each sensor via a sensor installed for each object in a monitoring space such as a smart house. In a sensor network that detects the state of an object, the power required to activate the sensor can be effectively reduced without depending on the location information of the resident, and the detection accuracy that is basically required for the sensor is maintained. Another object of the present invention is to provide a sensor network pause control system capable of realizing high-speed digital data conversion of detected information.

第１発明に係るセンサネットワークの休止制御システムは、対象物が有意状態か又は非有意状態かを判別可能なセンサを、監視空間内にある全ての対象物毎に設置したセンサネットワークと、上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、他の対象物に対して設置された他のセンサの状態を制御する制御手段とを備えることを特徴とする。   A sensor network pause control system according to a first aspect of the present invention is a sensor network in which a sensor capable of determining whether a target is in a significant state or a non-significant state is installed for every target in a monitoring space, and the sensor When it is determined that one object is in a significant state from one sensor in the network, other objects are assigned based on the correlation between the significant state and the insignificant state between each object acquired in advance. And a control means for controlling the state of the other sensor installed.

第２発明に係るセンサネットワークの休止制御システムは、第１発明において、上記制御手段は、上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサを休止状態とするように制御することを特徴とする。   In a sensor network pause control system according to a second invention, in the first invention, the control means determines in advance that one object is in a significant state from one sensor in the sensor network. Based on the acquired correlation between the significant state and the non-significant state between each target object, other sensors installed for the other target object having a negative correlation with the one target object are put into a dormant state. It is characterized by controlling as follows.

第３発明に係るセンサネットワークの休止制御システムは、第２発明において、上記センサネットワークは、各対象物が有意状態か、又は非有意状態かを同時に判別することを１回又は複数回実行し、上記制御手段は、上記センサネットワークによる判別結果に基づいて、２つの対象物間で共に有意状態にある場合に当該対象物間においてより正の相関となるように、また当該対象物間でいずれか一方が非有意状態である場合に当該対象物間においてより負の相関に近づけることにより、上記相関関係を予め取得することを特徴とする。   The sensor network pause control system according to a third aspect of the present invention is the sensor network according to the second aspect, wherein the sensor network executes one or more times to simultaneously determine whether each object is in a significant state or an insignificant state, Based on the result of determination by the sensor network, the control means is configured so that when both the two objects are in a significant state, there is a more positive correlation between the objects, or between the objects. When one of the objects is insignificant, the correlation is acquired in advance by bringing the object closer to a negative correlation.

第４発明に係るセンサネットワークの休止制御システムは、第２又は第３発明において、上記制御手段は、当該一の対象物と正の相関関係にある他の対象物に対して設置された他のセンサを起動し続けるように制御することを特徴とする。   In a second or third aspect of the sensor network pause control system according to a fourth aspect of the present invention, the control means may be installed in another object that is positively correlated with the one object. Control is performed so that the sensor is continuously activated.

第５発明に係るセンサネットワークの休止制御システムは、第２発明において、上記センサネットワークは、上記監視空間内にある３以上の対象物毎に上記センサを設置し、上記制御手段は、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサをリスト化し、これらリスト化された他のセンサを何れも休止状態とするように制御することを特徴とする。   The sensor network pause control system according to a fifth aspect of the present invention is the sensor network pause control system according to the second aspect, wherein the sensor network is provided with the sensor for every three or more objects in the monitoring space, and the control means It is characterized by listing other sensors installed for other objects having a negative correlation with the object, and controlling all of the other sensors in the list to be in a dormant state. .

第６発明に係るセンサネットワークの休止制御システムは、第３発明において、上記センサネットワークは、上記監視空間としての家屋に設置され、家屋に配設される設備としての各対象物が有意状態か、又は非有意状態かを同時に判別することを１又は複数回実行し、上記制御手段は、複数の上記家屋からの上記センサネットワークによる判別結果に基づいて、互いに異なる対象物間で共に有意状態にある場合に当該対象物間の相関をより正に近づけ、いずれか一方が非有意状態である場合に当該備品間の相関をより負に近づけることにより、上記相関関係を予め取得することを特徴とする。   A sensor network pause control system according to a sixth aspect of the present invention is the sensor network according to the third aspect, wherein the sensor network is installed in a house as the monitoring space, and each object as equipment disposed in the house is in a significant state, Alternatively, the control means executes one or more times to determine whether the state is insignificant, and the control means is in a significant state between different objects based on the determination results by the sensor network from a plurality of the houses. In this case, the correlation between the objects is made more positive, and when one of the objects is insignificant, the correlation between the fixtures is made more negative to obtain the correlation in advance. .

上述した構成からなる本発明によれば、有意状態を検出した一のセンサとの関係において、正の相関を持つ他のセンサについては最低限起動し続けることにより、有意状態を漏れなく検出することができ、検出精度を維持することができる。また、有意状態を検出した一のセンサとの関係において、負の相関にある他のセンサを休止させることで、センサの起動に要する電力を効果的に削減することができる。   According to the present invention having the above-described configuration, the significant state can be detected without omission by continuing to activate at least the other sensors having a positive correlation in relation to the one sensor that has detected the significant state. And detection accuracy can be maintained. In addition, the power required for starting the sensor can be effectively reduced by suspending other sensors having a negative correlation in relation to the one sensor that has detected a significant state.

特に本発明によれば、住人の位置情報に依存することなく、そのセンサの起動に要する電力を効果的に削減することができる。このため、洗濯機や電子レンジ等のような家電機器等の対象物は、作動させつつ住人が別の部屋に居る場合もあるが、このような対象物も必要に応じてセンサを介して検出を継続させることができるため、検出漏れを防ぐことが可能となる。また、住人の位置情報を例えばＧＰＳ等により検出する必要も無くなり、さらに住人のプライバシーの観点からも問題も生じなくなる。   In particular, according to the present invention, it is possible to effectively reduce the power required to start the sensor without depending on the location information of the resident. For this reason, objects such as household appliances such as washing machines and microwave ovens may be operated while the resident is in another room, but such objects are also detected via sensors as necessary. Therefore, it is possible to prevent omission of detection. In addition, there is no need to detect the location information of the resident by, for example, GPS, and there is no problem from the viewpoint of resident privacy.

本発明を適用したセンサネットワークの休止制御システムの全体構成を示す図である。It is a figure which shows the whole structure of the hibernation control system of the sensor network to which this invention is applied. 監視空間としての家屋をスマートハウスで構成する場合の例を示す図である。It is a figure which shows the example in the case of comprising the house as a monitoring space with a smart house. 家屋における各対象物に対してそれぞれセンサを割り当てた例を示す図である。It is a figure which shows the example which each allocated the sensor with respect to each target object in a house. 本発明を適用した休止制御システムの処理動作について説明するための図である。It is a figure for demonstrating the processing operation of the hibernation control system to which this invention is applied. 複数のセンサが有意状態を検出した場合の処理動作について説明するための図である。It is a figure for demonstrating the processing operation | movement when a some sensor detects a significant state. 本発明を適用したセンサネットワークの休止制御システムの処理フローを示すフローチャートである。It is a flowchart which shows the processing flow of the hibernation control system of the sensor network to which this invention is applied. 本発明を適用したセンサネットワークの休止制御システムの作用効果を検証する上で行ったシミュレーションについて説明するための図である。It is a figure for demonstrating the simulation performed when verifying the effect of the dormancy control system of the sensor network to which this invention is applied. 本発明を適用したセンサネットワークの休止制御システムの作用効果を検証する上で行ったシミュレーションについて説明するための他の図である。It is another figure for demonstrating the simulation performed when verifying the effect of the dormancy control system of the sensor network to which this invention is applied.

以下、本発明を適用したセンサネットワークの休止制御システムを実施するための形態について図面を参照しながら詳細に説明をする。   DESCRIPTION OF EMBODIMENTS Hereinafter, a mode for implementing a suspension control system for a sensor network to which the present invention is applied will be described in detail with reference to the drawings.

図１は、本発明を適用したセンサネットワークの休止制御システム１の全体構成を示している。このセンサネットワークの休止制御システム１は、家屋３内に設置された各対象物１１と、この各対象物１１の状態を判別するセンサ２１の集合からなるセンサネットワーク２とを備えている。また休止制御システム１は、このようなセンサネットワーク２がそれぞれ配備された複数の家屋３からのセンサデータを受信するセンサデータ集約局４と、このセンサデータ集約局４に対して広帯域回線を介して接続されたクラウドコンピューティングシステム５とを備えている。   FIG. 1 shows the overall configuration of a sensor network pause control system 1 to which the present invention is applied. The sensor network pause control system 1 includes each object 11 installed in a house 3 and a sensor network 2 including a set of sensors 21 that determine the state of each object 11. In addition, the suspension control system 1 includes a sensor data aggregation station 4 that receives sensor data from a plurality of houses 3 each provided with such a sensor network 2 and a broadband line to the sensor data aggregation station 4. And a connected cloud computing system 5.

クラウドコンピューティングシステム５は、ネットワーク上に存在するサーバによって提供されるサービスなどを行うものであり、インターネットをベースとしたコンピュータの利用形態の一つである。クラウドコンピューティングシステム５を示す図１中の雲の中にはハードウェアやソフトウェアの実体があるが、その中身を意識することなく利用することができる。このようなクラウドコンピューティングシステム５は、一般的にクラウド提供業者によって提供される場合が多く、契約により処理の委託等を行うことで、１又は複数の情報処理装置（コンピュータ）を用いて目的の処理を実行することが可能となる。   The cloud computing system 5 performs a service provided by a server existing on a network, and is one of the use forms of a computer based on the Internet. The cloud in FIG. 1 showing the cloud computing system 5 includes hardware and software entities that can be used without being aware of the contents. Such a cloud computing system 5 is generally often provided by a cloud provider, and by entrusting processing by a contract, the target can be obtained using one or a plurality of information processing devices (computers). Processing can be executed.

家屋３には、家電機器や照明機器、風呂周辺機器、さらには水道や電気の供給口、家具等を始めとした監視対象の対象物１１が設置されている。ちなみにこの家屋３をスマートハウスで構成するようにしてもよい。スマートハウスは、ＩＴ（情報技術）を使用して家庭内のエネルギー消費が最適化されるように制御する可能ないわゆる省エネ住宅であり、家庭用のエネルギー監視システムであるエネルギー監理システム（Home Energy Management System）２２が導入されている。図２は、この家屋３をスマートハウスで構成する場合の例を示している。エネルギー監理システム２２は、家屋３に設置されたセンサネットワーク２に接続することによって構築される。エネルギー監理システム２２は、このセンサネットワーク２を介して検出された各対象物１１に関する情報に基づいて、家庭内におけるエネルギー消費量を監視し、それに基づいて家電の動作を管理、制御する。また、エネルギー監理システム２２は、これら家庭内におけるエネルギーの消費量に関する情報や、家電の管理、制御情報を、図１に示すようにＷＳＮ（Wireless Sensor Network）を介して他の家屋３やセンサデータ集約局４へ送信する。なおエネルギー監理システム２２により監視されているエネルギー消費量は、エネルギー監理システム２２に接続されたスマートメータ２３に表示させることにより、これを住人に対して可視化させるようにしてもよい。   The house 3 is provided with objects 11 to be monitored such as home appliances, lighting devices, bath peripheral devices, water supply and electricity supply ports, furniture, and the like. Incidentally, you may make it comprise this house 3 with a smart house. A smart house is a so-called energy-saving house that can be controlled to optimize energy consumption in the home using IT (information technology), and is a home energy management system (Home Energy Management system). System) 22 has been introduced. FIG. 2 shows an example in which the house 3 is configured as a smart house. The energy management system 22 is constructed by connecting to the sensor network 2 installed in the house 3. The energy management system 22 monitors the energy consumption in the home based on the information regarding each object 11 detected via the sensor network 2, and manages and controls the operation of the home appliance based on the monitored energy consumption. In addition, the energy management system 22 sends information related to energy consumption in the home, management of home appliances, and control information to other homes 3 and sensor data via a WSN (Wireless Sensor Network) as shown in FIG. Transmit to the central station 4. The energy consumption monitored by the energy management system 22 may be displayed to the resident by displaying it on the smart meter 23 connected to the energy management system 22.

センサデータ集約局４は、各家屋３から送信されてきた情報を集約し、必要に応じてこれらを集計、解析した上でクラウドコンピューティングシステム５へと送信する。   The sensor data aggregating station 4 aggregates information transmitted from each house 3, aggregates and analyzes them as necessary, and transmits them to the cloud computing system 5.

センサ２１は、対象物の状態を判別する受信デバイスであり、例えば住人がいるか否かを、或いはドアの開閉等を判別するための赤外線センサや、室内の空気の温度や冷蔵庫内の温度等を測定するための温度センサ、家電機器の動作状態を判別するためのセンシング機器、照明が付いているか否かを判別するための照度センサ、水道が使用されているか否かを判別するための水道メータ等である。即ち、このセンサ２１は、対象物の状態を判別することができるものであればいかなる形態を採用するものであってもよい。このセンサ２１は、一の対象物１１に対してそれぞれ一つずつ個別に割り当てられる。   The sensor 21 is a receiving device that determines the state of an object. For example, an infrared sensor for determining whether there is a resident or opening / closing of a door, the temperature of indoor air, the temperature in a refrigerator, and the like. Temperature sensor for measuring, sensing device for determining the operating state of home appliances, illuminance sensor for determining whether lighting is on, water meter for determining whether water is being used Etc. That is, the sensor 21 may adopt any form as long as the state of the object can be determined. One sensor 21 is assigned to each object 11 individually.

図３は、家屋３における各対象物１１に対してそれぞれセンサ２１を割り当てた例を示している。例えば、対象物１１ａはトイレであるが、このトイレの状態を検出するためのセンサ２１ａが割り当てられる。また対象物１１ｂはバスルームであるが、このバスルームの状態を検出するためのセンサ２１ｂが割り当てられる。対象物１１ｃはキッチンにおけるＩＨクッキングヒーターであるが、このクッキングヒーターの状態を検出するためのセンサ２１ｃが割り当てられる。対象物１１ｄはダイニングルームにおける椅子であるが、この椅子の状態を検出するためのセンサ２１ｄが割り当てられる。対象物１１ｅはリビングルームにおける椅子であるが、この椅子の状態を検出するためのセンサ２１ｅが割り当てられる。対象物１１ｆはベッドであるが、このベッドの状態を検出するためのセンサ２１ｆが割り当てられる。対象物１１ｇは玄関のドアであるが、このドアの状態を検出するためのセンサ２１ｇが割り当てられる。   FIG. 3 shows an example in which a sensor 21 is assigned to each object 11 in the house 3. For example, the object 11a is a toilet, and a sensor 21a for detecting the state of the toilet is assigned. Moreover, although the target object 11b is a bathroom, the sensor 21b for detecting the state of this bathroom is allocated. The object 11c is an IH cooking heater in the kitchen, and a sensor 21c for detecting the state of the cooking heater is assigned. The object 11d is a chair in the dining room, and a sensor 21d for detecting the state of the chair is assigned. The object 11e is a chair in the living room, and a sensor 21e for detecting the state of the chair is assigned. The object 11f is a bed, and a sensor 21f for detecting the state of the bed is assigned. The object 11g is a front door, and a sensor 21g for detecting the state of the door is assigned.

これら家屋３には、これらセンサ２１ａ〜２１ｇがノード状に配置されており、これらによりセンサネットワーク２が形成されることになる。そして、このセンサネットワーク２を構成する各センサ２１ａ〜２１ｇの検出情報は、それぞれに接続されているエネルギー監理システム２２に集約されることとなる。また、このエネルギー監理システム２２は、センサネットワーク２、ひいてはこれを構成するセンサ２１ａ〜２１ｇをそれぞれ制御することも可能となる。   In these houses 3, these sensors 21a to 21g are arranged in a node shape, and the sensor network 2 is formed by these. And the detection information of each sensor 21a-21g which comprises this sensor network 2 will be collected by the energy management system 22 connected to each. In addition, the energy management system 22 can also control the sensor network 2 and eventually the sensors 21a to 21g constituting the sensor network 2.

センサ２１は、それぞれ割り当てられた対象物１１に関する状態について、有意状態（以下、Valuable Event:ＶＥ）か又は非有意状態（以下、Negligible Event:ＮＥ）かを判別し、その判別結果をエネルギー監理システム２２へ送信する。このとき、センサ２１は、ＶＥが検出された場合のみ、その判別結果をエネルギー監理システム２２へと送信し、ＮＥの場合には、特にその判別結果をエネルギー監理システム２２へ送信しなくてもよいし、あえてＮＥである旨を送信するようにしてもよい。ちなみに、このＶＥ又はＮＥの判別結果は、エネルギー監理システム２２を介して他の家屋３やセンサデータ集約局４へ送信され、更にはこのセンサデータ集約局４を介してクラウドコンピューティングシステム５へと送信されることになる。即ち、センサ２１によるＶＥ、ＮＥの判別結果は最終的にクラウドコンピューティングシステム５にレポートされることとなるが、このとき、ＶＥが発生した場合のみレポートが行われ、ＮＥが発生している場合は、特段レポートが行われない場合もあることは勿論である。   The sensor 21 determines whether the state relating to the assigned object 11 is a significant state (hereinafter, “Valuable Event: VE”) or an insignificant state (hereinafter, “Negligible Event: NE”), and uses the determination result as an energy management system. To 22. At this time, the sensor 21 transmits the determination result to the energy management system 22 only when VE is detected. In the case of NE, the sensor 21 does not need to transmit the determination result to the energy management system 22 in particular. However, it may be transmitted that NE is intentionally transmitted. By the way, the discrimination result of VE or NE is transmitted to another house 3 or sensor data aggregation station 4 via the energy management system 22, and further to the cloud computing system 5 via this sensor data aggregation station 4. Will be sent. That is, the determination result of VE and NE by the sensor 21 is finally reported to the cloud computing system 5. At this time, the report is performed only when VE occurs, and NE occurs. Of course, there are cases where no special report is made.

ここでいうＶＥ又はＮＥはユーザ側又はシステム側において自由に設定することができる。表１は、設定したＶＥの例を示している。   VE or NE here can be freely set on the user side or system side. Table 1 shows an example of the set VE.

表１に示すようにセンサ２１におけるS_bedは、対象物１１として寝具（ベッド）の状態を検出するものである。このセンサ２１におけるS_bedは、ベッドの状態を監視し、住人がベッドで寝ている状態を検出した場合に、これをＶＥとして認識することとなる。また住人がベッドで寝ている状態以外は、何れもＮＥとして認識することとなる。 As shown in Table 1, S _bed in the sensor 21 detects the state of the bedding (bed) as the object 11. The S _bed in the sensor 21 monitors the state of the bed, and recognizes this as VE when the resident is in the bed and detects the state. In addition, except for the state in which the resident is sleeping on the bed, any of them will be recognized as NE.

センサ２１におけるS_seatは、対象物１１として椅子の状態を検出するものである。このセンサ２１におけるS_seatは、椅子の状態を監視し、住人が椅子に座っている状態を検出した場合に、これをＶＥとして認識することとなる。また住人が椅子に座っている状態以外は、何れもＮＥとして認識することとなる。 The S _seat in the sensor 21 detects the state of the chair as the object 11. The S _seat in the sensor 21 monitors the state of the chair, and recognizes this as VE when the resident is in the chair. In addition, except for the state in which the resident is sitting on the chair, it is recognized as NE.

センサ２１におけるS_maindoorは、対象物１１として玄関のドアの状態を検出するものである。このセンサ２１におけるS_maindoorは、玄関のドアの状態を監視し、玄関のドアが開いている状態を検出した場合に、これをＶＥとして認識することとなる。また玄関のドアが開いている状態以外、換言すれば玄関のドアが閉まっている状態は、何れもＮＥとして認識することとなる。 S _maindoor in the sensor 21 detects the state of the front door as the object 11. The S _maindoor in the sensor 21 monitors the state of the front door, and recognizes this as VE when detecting the state where the front door is open. In addition to the state where the front door is open, in other words, the state where the front door is closed is recognized as NE.

センサ２１におけるS_showerは、対象物１１としてシャワーの状態を検出するものである。このセンサ２１におけるS_showerは、シャワーの使用状態を監視し、シャワーが住人によって使用されている状態を検出した場合に、これをＶＥとして認識することとなる。またシャワーが住人によって使用されている状態以外は、何れもＮＥとして認識することとなる。 S _shower in the sensor 21 detects the state of the shower as the object 11. The _shower in the sensor 21 monitors the use state of the shower, and recognizes this as VE when a state in which the shower is used by a resident is detected. In addition, except for the state where the shower is used by a resident, any of them will be recognized as NE.

センサ２１におけるS_TVは、対象物１１としてテレビジョン受像機の状態を検出するものである。このセンサ２１におけるS_TVは、テレビジョン受像機の使用状態を監視し、テレビジョン受像機が住人によって使用されている状態を検出した場合に、これをＶＥとして認識することとなる。またテレビジョン受像機が住人によって使用されている状態以外は、何れもＮＥとして認識することとなる。 The S _TV in the sensor 21 detects the state of the television receiver as the object 11. The S _TV in the sensor 21 monitors the usage state of the television receiver, and recognizes this as VE when the television receiver is used by a resident. In addition, except for the state in which the television receiver is used by a resident, any of them will be recognized as NE.

センサ２１におけるS_microwaveは、対象物１１として電子レンジの状態を検出するものである。このセンサ２１におけるS_microwaveは、電子レンジの使用状態を監視し、電子レンジの電源がＯＮの状態を検出した場合に、これをＶＥとして認識することとなる。また電子レンジの電源がＯＮ以外、即ちＯＦＦの状態を検出した場合は、ＮＥとして認識することとなる。 The S _microwave in the sensor 21 detects the state of the microwave oven as the object 11. The S _microwave in the sensor 21 monitors the use state of the microwave oven, and recognizes this as VE when the microwave oven is turned on. Further, when the power supply of the microwave oven is other than ON, that is, when an OFF state is detected, it is recognized as NE.

センサ２１におけるS_Fridgeは、対象物１１として冷蔵庫の状態を検出するものである。このセンサ２１におけるS_Fridgeは、冷蔵庫の使用状態を監視し、冷蔵庫の電源がＯＮの状態を検出した場合に、これをＶＥとして認識することとなる。また冷蔵庫の電源がＯＮ以外、即ちＯＦＦの状態を検出した場合は、ＮＥとして認識することとなる。 S _Fridge in the sensor 21 detects the state of the refrigerator as the object 11. The S _Fridge in the sensor 21 monitors the usage state of the refrigerator, and recognizes this as VE when the power supply of the refrigerator is detected. In addition, when the power supply of the refrigerator is other than ON, that is, when an OFF state is detected, it is recognized as NE.

なお、センサ２１は、同じ対象物１１としてのベッドの状態を検出する上で、ＶＥの検出条件を任意に設定するようにしてもよい。例えばS_bedは、住人がベッドで寝ていなくても、単にベッドから半径約３ｍ以内に居る場合をＶＥと認識し、それ以外をＮＥと認識するようにしてもよい。また、例えばS_Fridgeは、冷蔵庫が空いている状態をＶＥと認識し、それ以外をＮＥと認識するようにしてもよい。 The sensor 21 may arbitrarily set a VE detection condition when detecting the state of the bed as the same object 11. For example, even if the resident is not sleeping on the bed, S _bed may simply recognize that the resident is within a radius of about 3 m from the bed as VE, and recognize the other as NE. Further, for example, the S _Fridge may recognize a state in which the refrigerator is empty as VE, and recognize the other as NE.

また、上述した表１の例以外に、例えば室内の温度を計測するセンサ２１がある場合には、例えば、住人が生活する上で最適な温度である１６℃〜３０℃はＮＥと認識し、住人が生活する上で特に高齢者にとって気温が低すぎる温度である１６℃未満、又は高齢者にとって気温が高すぎる３０℃超の場合には、ＶＥと認識するようにしてもよい。これらＶＥ、ＮＥと認識する上での温度範囲も自由に設定可能であることは勿論である。
このようにしてそれぞれのセンサ２１毎に設定されたＶＥが検出された場合には、価値のある有用な情報としてエネルギー監理システム２２或いはクラウドコンピューティングシステム５により管理され、活用されることとなる。 In addition to the example of Table 1 described above, for example, when there is a sensor 21 that measures the temperature of the room, for example, 16 ° C. to 30 ° C., which is the optimum temperature for a resident to live, is recognized as NE, VE may be recognized as VE when the temperature is below 16 ° C., which is too low for the elderly, especially when the resident lives, or when the temperature is above 30 ° C., which is too high for the elderly. Of course, the temperature range for recognizing these as VE and NE can also be set freely.
When the VE set for each sensor 21 is detected in this way, it is managed and utilized as valuable and useful information by the energy management system 22 or the cloud computing system 5.

次に、本発明を適用したセンサネットワークの休止制御システム１の実際の動作について説明をする。この休止制御システム１の処理動作を実行する上では、図４に示すように、センサネットワーク２に加えて、制御部１０が必要となる。この制御部１０は、大きく分類して論理相関行列生成ブロック６と、制御ブロック７を有している。制御部１０は、例えばエネルギー監理システム２２として具現化されるものであってもよいし、クラウドコンピューティングシステム５として具現化されるものであってもよい。また制御部１０は、これらエネルギー監理システム２２、或いはクラウドコンピューティングシステム５とは異なるデバイスとして具現化されるものであってもよい。何れの場合においても、この制御部１０は、センサネットワーク２から各対象物１１についての状態に関する情報を取得することができ、またセンサネットワーク２を構成するセンサ２１毎にその状態を制御することが可能なデバイスとして具現化される。   Next, the actual operation of the sensor network suspension control system 1 to which the present invention is applied will be described. In order to execute the processing operation of the suspension control system 1, a control unit 10 is required in addition to the sensor network 2, as shown in FIG. The control unit 10 is roughly classified into a logical correlation matrix generation block 6 and a control block 7. For example, the control unit 10 may be embodied as the energy management system 22 or may be embodied as the cloud computing system 5. The control unit 10 may be embodied as a device different from the energy management system 22 or the cloud computing system 5. In any case, the control unit 10 can acquire information on the state of each object 11 from the sensor network 2 and can control the state of each sensor 21 constituting the sensor network 2. It is embodied as a possible device.

また制御部１０内において論理相関行列生成ブロック６と、制御ブロック７が明確に区別されている場合に限定されるものではなく、これらの動作を一つのユニット又はフローで行うようにしてもよい。また論理相関行列生成ブロック６、並びに制御ブロック７において実行する処理の分担も後述に限定されるものではなく互いに異ならせてもよい。   Further, the present invention is not limited to the case where the logical correlation matrix generation block 6 and the control block 7 are clearly distinguished in the control unit 10, and these operations may be performed in one unit or flow. Also, the division of processing executed in the logical correlation matrix generation block 6 and the control block 7 is not limited to the following, and may be different from each other.

先ず学習用データの取得を行う。学習用データの取得は、センサネットワーク２を構成するセンサ２１を介して、それぞれ対象物１１がＶＥかＮＥかを検出する。   First, learning data is acquired. In the acquisition of the learning data, whether the object 11 is VE or NE is detected via the sensors 21 constituting the sensor network 2.

表２は、センサ２１におけるS_bed、S_shower、S_TVについて実際に学習用データを取得した例を示している。表２中の"１"は、ＶＥのデータが検出された旨を示すものであり、表２中の"０"は、ＮＥのデータが検出された旨を示すものである。センサ２１から得られるデータは、例えば温度や湿度、照度、電気使用量、家電機器のＯＮ又はＯＦＦか、赤外センサの感度等、多岐に亘るものであるため、これらをＶＥか、或いはＮＥかで表示するために、“１”、又は“０”で表すことで、一元化して表示し、後段における論理相関の算出の効率を向上させる。 Table 2 shows an example in which learning data is actually acquired for S _bed , S _shower , and S _TV in the sensor 21. “1” in Table 2 indicates that VE data has been detected, and “0” in Table 2 indicates that NE data has been detected. Since the data obtained from the sensor 21 has a wide variety of data such as temperature, humidity, illuminance, electric usage, ON / OFF of home appliances, sensitivity of the infrared sensor, etc., these are VE or NE. By displaying “1” or “0”, the data is displayed in a unified manner, and the efficiency of calculating the logical correlation in the subsequent stage is improved.

この例では、タイムスロット１〜タイムスロット４の４回に分けて、それぞれセンサ２１毎に学習用データを取得したものである。各タイムスロットにおいて、学習用データの取得時点は、センサ２１におけるS_bed、S_shower、S_TV間で互いに同時点とされている。表２の例では学習用データの取得回数が４回であるがこれに限定されるものではなく、いかなる取得回数とされていてもよい。この学習用データの取得回数が多くなるにつれて、学習精度が向上することになるため好ましい。また学習用データの取得は、所定のタイムスロット回数分のデータを取得した後に終了する場合に限定されるものではなく、随時更新されるものであってもよい。 In this example, the data for learning is acquired for each sensor 21 in four times of time slot 1 to time slot 4. In each time slot, the learning data is acquired at the same time among the S _bed , S _shower , and S _TV in the sensor 21. In the example of Table 2, the number of acquisitions of learning data is four, but the number of acquisitions is not limited to this, and any number of acquisitions may be used. This is preferable because the learning accuracy improves as the number of times of acquisition of the learning data increases. The acquisition of the learning data is not limited to the case of ending after acquiring the data for a predetermined number of timeslots, and may be updated as needed.

このようにしてセンサネットワーク２から得られた学習用データは、制御部１０へ送られることとなる。   The learning data obtained from the sensor network 2 in this way is sent to the control unit 10.

制御部１０ではこのような学習用データを受信し、論理相関行列生成ブロック６において解析を行うことにより論理相関を求める。   The control unit 10 receives such learning data and analyzes the logical correlation matrix generation block 6 to obtain the logical correlation.

論理相関行列生成ブロック６では、先ず得られた学習用データについて、様々なセンサ２１から取得したデータに対して事前処理を施す（事前処理ステップＳ１１）。この事前処理では、得られた表２に示すような学習用データをベクトルに変換する。このベクトル変換においては、S_shower、S_TVを例に挙げた場合に、これらの学習用データをそのままコピーしたベクトルC_shower、C_TVにより表示する。表３は、このC_shower、C_TVの例である。このベクトル変換を終了させた後、事前処理ステップＳ１１を終了し、次のフィルタリングステップＳ１２へ移行する。 In the logical correlation matrix generation block 6, preprocessing is performed on the data acquired from the various sensors 21 for the learning data obtained first (preprocessing step S11). In this pre-processing, the obtained learning data as shown in Table 2 is converted into a vector. In this vector conversion, when S _shower and S _TV are taken as an example, these learning data are directly displayed as vectors C _shower and C _TV . Table 3 shows examples of C _shower and C _TV . After this vector conversion is completed, the preprocessing step S11 is ended, and the process proceeds to the next filtering step S12.

フィルタリングステップＳ１２では、互いに比較する２つのベクトルのうち、ともに“０”の行を削除する処理を行う。表３の例では、C_shower、C_TVにおける最上段の行は、ともに“０”であることから、この行は削除する（表４参照。）。 In the filtering step S12, a process of deleting both “0” rows from the two vectors to be compared with each other is performed. In the example of Table 3, since the top row in C _shower and C _TV are both “0”, this row is deleted (see Table 4).

センサ２１におけるS_shower、S_TVが同じタイムスロットにおいてともにＮＥを検出したということは、センサ２１におけるS_shower、S_TV間において互いに論理相関が無いことを意味している。かかる場合には、センサ２１におけるS_shower、S_TV間においてＶＥが同時に発生することは無い。このため、かかる行を消去しても全く問題は無く、またこれを消去することで全体の計算処理量を低減させることが可能となる。 The fact that S _shower and S _TV in sensor 21 both detect NE in the same time slot means that there is no logical correlation between S _shower and S _TV in sensor 21. In such a case, VE does not occur simultaneously between S _shower and S _TV in the sensor 21. For this reason, there is no problem even if such a line is deleted, and it is possible to reduce the total amount of calculation processing by deleting this line.

次に正規化ステップＳ１３へ移行する。この正規化ステップＳ１３では、ベクトルの正規化を行う。実際には、ステップＳ１２においてフィルタリングしたベクトルC_shower、C_TVについて下記式に代入することにより、正規化を行う。 Next, the process proceeds to normalization step S13. In this normalization step S13, vector normalization is performed. Actually, normalization is performed by substituting the vectors C _shower and C _TV filtered in step S12 into the following equation.

・・・・・・・・・・・・（１）

.... (1)

・・・・・・・・・・・・（２）

.... (2)

・・・・・・・・・・・・（３）

.... (3)

この式においてｉは、フィルタリング後のタイムスロットの通し番号を意味する。表４の例では、上から１段目がｉ＝１、上から２段目がｉ＝２、上から３段目がｉ＝３である。また、（２）式のＥ（Ｃ）は、ベクトルＣの平均値である。Ｋは、フィルタリング後のタイムスロットの数であり、表４の例では３である。（３）式のＳＤ（Ｃ）は、ベクトルＣの標準偏差である。   In this equation, i means the serial number of the time slot after filtering. In the example of Table 4, i = 1 in the first stage from the top, i = 2 in the second stage from the top, and i = 3 in the third stage from the top. Further, E (C) in the equation (2) is an average value of the vector C. K is the number of time slots after filtering, and is 3 in the example of Table 4. SD (C) in equation (3) is the standard deviation of vector C.

表４のベクトルのデータ（２）式に代入してＥ（Ｃ）を求め、また（３）式に代入することによりＳＤ（Ｃ）を求める。そして最後にこれら求めたＥ（Ｃ）、ＳＤ（Ｃ）を（１）式に代入することにより、正規化ベクトルＣⁱを求める。表５は、求めた正規化ベクトルの例を示している。 E (C) is obtained by substituting it into the vector data (2) in Table 4, and SD (C) is obtained by substituting it into (3). Finally, the normalized vector C ⁱ is obtained by substituting these obtained E (C) and SD (C) into the equation (1). Table 5 shows an example of the obtained normalized vector.

次にステップＳ１４へ移行し、論理相関の計算を行う。この論理相関の計算は、ステップＳ１３において求めた正規化ベクトルを、下記の（４）式に代入することにより行う。   Next, the process proceeds to step S14, and the logical correlation is calculated. This logical correlation is calculated by substituting the normalized vector obtained in step S13 into the following equation (4).

・・・・（４）

.... (4)

（４）式には、表５におけるC_shower、C_TVを代入することにより論理相関を計算する。これにより、論理相関係数ｒ（S_shower、S_TV）を求めることができる。表６は、このようにしてS_shower、S_TV、S_bed間において論理相関係数を求めた例を示している。 The logical correlation is calculated by substituting C _shower and C _TV in Table 5 into equation (4). Thereby, the logical correlation coefficient r (S _shower , S _TV ) can be obtained. Table 6 shows an example in which the logical correlation coefficient is obtained between S _shower , S _TV , and S _bed in this way.

上述したステップＳ１１〜ステップＳ１４の処理動作を、例えば表１に示す全てのセンサ２１間において実行することにより、全てのセンサ２１間の論理相関行列ができることとなる。例えば論理相関行列生成ブロック６より、以下の表７に示すような論理相関行列が生成されたものとする。   By executing the processing operations of Steps S11 to S14 described above between all the sensors 21 shown in Table 1, for example, a logical correlation matrix between all the sensors 21 is formed. For example, it is assumed that a logical correlation matrix as shown in Table 7 below is generated from the logical correlation matrix generation block 6.

この論理相関行列では、例えばS_bed,S_seat間や、S_TV,S_seat間は、互いに正の論理相関である。即ち、過去の学習において、一方のセンサ２１により対象物１１についてＶＥが検出されている場合に、他方のセンサ２１により対象物１１についてＶＥが検出されている頻度が高いことを示している。例えば、S_bed,S_seatのＶＥの相関が正であることは、住人がベッドで寝ている状態と、住人が椅子に座っていることが同時に行われている頻度が高いことが示されている。またS_TV,S_seatのＶＥの相関が正であることは、テレビジョン受像機が点いていることと、住人が椅子に座っていることが同時に行われている頻度が高く、特に相関係数が１であることから、一方がＶＥである場合に他方も１００％ＶＥであることが示されている。 In this logical correlation matrix, for example, between S _bed and S _{seat and} between S _TV and S _seat are positive logical correlations. That is, in the past learning, when the VE is detected for the object 11 by one sensor 21, the frequency at which the VE is detected for the object 11 by the other sensor 21 is high. For example, the positive correlation between the VE of S _bed and S _seat indicates that the resident is sleeping in the bed and the resident is sitting on the chair at the same time. Yes. In addition, the positive correlation between S _TV and S _seat VE indicates that the television receiver is on and that the resident is sitting on the chair at the same time, especially the correlation coefficient. 1 indicates that when one is VE, the other is also 100% VE.

また、この論理相関行列では、例えばS_bed,S_shower間や、S_seat,S_shower間は、互いに負の論理相関である。即ち、過去の学習において、一方のセンサ２１により対象物１１についてＶＥが検出されている場合に、他方のセンサ２１により対象物１１についてＶＥが検出されていない、換言すればＮＥが検出されている頻度が高いことを示している。例えば、S_bed,S_showerのＶＥの相関が負であることは、住人がベッドで寝ている状態と、シャワーが使われていることが同時に行われている頻度が低いことが示されている。またS_seat,S_showerのＶＥの相関が負であることは、住人が椅子に座っていることと、シャワーが使われていることが同時に行われている頻度が低いことが示されている。 Further, in this logical correlation matrix, for example, between S _bed and S _{shower and} between S _seat and S _shower are negative logical correlations. That is, in the past learning, when one sensor 21 detects VE for the object 11, the other sensor 21 does not detect VE for the object 11, in other words, NE is detected. This indicates that the frequency is high. For example, the negative VE correlation between S _bed and S _shower indicates that the resident is sleeping in the bed and that the shower is being used at a low frequency. . In addition, the negative correlation between the VE of S _seat and S _shower indicates that the resident is sitting on a chair and that the shower is being used at a low frequency.

即ち、２つのセンサ２１間の全ての組み合わせに対して論理相関を求める。そして、２つのセンサ２１が同時にＶＥを検出しているときには、論理相関をより正の相関へと近づける。一方のセンサ２１がＶＥを検出している時点で、他方のセンサ２１がＮＥを検出しているときは、負の論理相関に近づける。また一方のセンサ２１がＶＥを検出しているときに、他方のセンサがＶＥ、ＮＥの何れを検出しているのか明確ではない場合、つまり、相関係数が０に近い場合には、論理相関が無いものと判断する。   That is, the logical correlation is obtained for all combinations between the two sensors 21. When the two sensors 21 detect VE at the same time, the logical correlation is made closer to a positive correlation. When one sensor 21 detects VE and the other sensor 21 detects NE, it approaches a negative logical correlation. Further, when one sensor 21 detects VE and it is not clear whether the other sensor detects VE or NE, that is, when the correlation coefficient is close to 0, the logical correlation Judge that there is no.

なお、論理相関行列を生成することは必須ではなく、単に２つのセンサ２１間にて相関関係を判別するのみであってもよい。   Note that it is not essential to generate a logical correlation matrix, and it is only necessary to determine the correlation between the two sensors 21.

例えば表７に示す論理相関行列において、S_TV,S_showerは、論理相関係数が０であり、ンサ２１がＶＥを検出しているときに、他方のセンサがＶＥ、ＮＥの何れを検出しているのか明確ではなく、論理相関が無い場合である。しかしながら、このような場合においても、閾値を設定し、仮に閾値以上であれば正の論理相関である旨を判別し、閾値未満であれば負の論理相関である旨を判別する。例えば閾値が−０．３であれば、論理相関係数が０であっても正の論理相関である旨を判別することになる。なお、この閾値はシステム側、或いはユーザ側において自由に設定できる。 For example, in the logical correlation matrix shown in Table 7, S _TV and S _shower have a logical correlation coefficient of 0, and when the sensor 21 detects VE, the other sensor detects either VE or NE. It is not clear whether there is a logical correlation. However, even in such a case, a threshold is set, and if it is equal to or greater than the threshold, it is determined that the logical correlation is positive, and if it is less than the threshold, it is determined that the logical correlation is negative. For example, if the threshold is −0.3, it is determined that the logical correlation is positive even if the logical correlation coefficient is zero. This threshold value can be freely set on the system side or the user side.

論理相関行列生成ブロック６は、このようにして生成した論理相関行列を制御ブロック７へと送信する。制御ブロック７は、論理相関行列生成ブロック６から論理相関行列を受信し、これに基づいてセンサネットワークを制御する。   The logical correlation matrix generation block 6 transmits the logical correlation matrix generated in this way to the control block 7. The control block 7 receives the logical correlation matrix from the logical correlation matrix generation block 6 and controls the sensor network based on the logical correlation matrix.

制御ブロック７による制御を行う場合には、先ずセンサネットワーク２から最新のセンサデータを受信する。かかる場合には、センサネットワーク２を構成するセンサ２１を介して、それぞれ対象物１１がＶＥかＮＥかを検出し、これを制御ブロック７へと送信する。   When performing control by the control block 7, first, the latest sensor data is received from the sensor network 2. In such a case, whether the object 11 is VE or NE is detected via the sensor 21 constituting the sensor network 2, and this is transmitted to the control block 7.

制御ブロック７は、各センサ２１がそれぞれＶＥを受信したか否かを先ず判別する。その結果、ＮＥを受信したセンサ２１については処理フローから除外する。そして、一のセンサ２１から一の対象物１１がＶＥである旨を判別された場合には、予め取得した論理相関行列における相関関係に基づいて、他の対象物１１に対して設置された他のセンサ２１の状態を制御する。   The control block 7 first determines whether or not each sensor 21 has received VE. As a result, the sensor 21 that has received NE is excluded from the processing flow. And when it is discriminated from one sensor 21 that one object 11 is VE, other objects installed for other objects 11 based on the correlation in the logical correlation matrix acquired in advance. The state of the sensor 21 is controlled.

例えば、制御ブロック既に下記の表８の論理相関行列を取得している場合において、センサ２１におけるS_bedがＶＥである旨が判別された場合を検討する。事前学習の結果からS_bedとの間で負の相関を持つのは、S_shower、S_TVである。つまり事前学習より、S_bedにより検出されている一の対象物１１（ベッド）がＶＥである場合に、S_shower、S_TVにより検出されている他の対象物１１（シャワー、テレビジョン受像機）がＮＥである頻度が圧倒的に高い。かかる場合にはS_bedにより検出されている一の対象物１１（ベッド）がＶＥを検出している時点では、S_shower、S_TVにより他の対象物１１（シャワー、テレビジョン受像機）の状態を検出し続けても、結局はＶＥを検出できず、ＮＥしか検出できない。換言すれば、S_bedにより検出されている一の対象物１１（ベッド）がＶＥを検出している時点では、S_shower、S_TVにより他の対象物１１（シャワー、テレビジョン受像機）の検出をし続けるのは無駄な動作になってしまい、これらS_shower、S_TVのセンサ２１の起動に要する電力が無駄になってしまう。このため、制御ブロック７は、このようなS_bedとの間で負の相関を持つS_shower、S_TVのセンサ２１については休止状態となるように制御を行う。これにより、このS_shower、S_TVのセンサ２１について休止状態にできる分において、本システムにおいて使用する電力を削減することが可能となる。 For example, consider the case where it is determined that the S _bed in the sensor 21 is VE when the control block has already acquired the logical correlation matrix of Table 8 below. S _shower and S _TV have a negative correlation with S _bed from the results of prior learning. That is, from the prior learning, when one object 11 (bed) detected by S _bed is VE, another object 11 (shower, television receiver) detected by S _shower and S _TV Is overwhelmingly frequent. In such a case, when one object 11 (bed) detected by S _bed detects VE, the state of another object 11 (shower, television receiver) is detected by S _shower or S _TV. Even if it continues to detect VE, eventually VE cannot be detected and only NE can be detected. In other words, when one object 11 (bed) detected by S _bed detects VE, detection of another object 11 (shower, television receiver) is performed by S _shower and S _TV. the will becomes the unnecessary operation continue to, these S _shower, the power it takes to boot the S _TV of the sensor 21 wasted. For this reason, the control block 7 controls the S _shower and S _TV sensor 21 having a negative correlation with the S _bed so as to be in a dormant state. As a result, the power used in the present system can be reduced by the amount that the S _shower and S _TV sensors 21 can be put into a dormant state.

また、センサ２１におけるS_bedがＶＥである旨が判別された場合にこれと正の相関を持つのは、S_seatである。つまり事前学習より、S_bedにより検出されている一の対象物１１（ベッド）がＶＥである場合に、S_seatにより検出されている他の対象物１１（椅子）がＶＥである頻度が圧倒的に高い。かかる場合にはS_bedにより検出されている一の対象物１１（ベッド）がＶＥを検出している時点で、S_seatにより他の対象物１１（椅子）の検出をし続けない限り、そこからＶＥを検出することができなくなってしまう。このため、制御ブロック７は、このようなS_bedとの間で正の相関を持つS_seatのセンサ２１については休止状態とすることなく起動させ続けるように制御を行う。これにより、センサ２１として基本的に求められる検出精度を維持すること可能となる。 Further, when it is determined that the S _bed in the sensor 21 is VE, it is the S _seat that has a positive correlation with this. That is, from the prior learning, when one object 11 (bed) detected by S _bed is VE, the frequency that the other object 11 (chair) detected by S _seat is VE is overwhelming. Very expensive. In such a case, when one object 11 (bed) detected by S _bed detects VE, unless another object 11 (chair) is continuously detected by S _seat , from there, It becomes impossible to detect VE. For this reason, the control block 7 performs control so that the S _seat sensor 21 having a positive correlation with the S _bed is continuously activated without being put into a sleep state. Thereby, it becomes possible to maintain the detection accuracy basically required for the sensor 21.

同様に、制御ブロック既に表８の論理相関行列を取得している場合において、センサ２１におけるS_TVがＶＥである旨が判別された場合においても、同様に他のセンサS_bed、S_shower、S_seatとの間で予め取得した相関関係に基づいて処理動作を行う。事前学習の結果からS_TVとの間で負の相関を持つのはS_bedである。このため、S_TVにより検出されている一の対象物１１（テレビジョン受像機）がＶＥを検出している時点では、S_bedにより他の対象物１１（ベッド）の検出をし続けるのは無駄な動作になってしまい、これらS_bedのセンサ２１の起動に要する電力が無駄になってしまう。このため、制御ブロック７は、このようなS_TVとの間で負の相関を持つS_bedのセンサ２１については休止状態となるように制御を行う。これにより、このS_bedのセンサ２１について休止状態にできる分において、本システムにおいて使用する電力を削減することが可能となる。 Similarly, when the control block has already acquired the logical correlation matrix of Table 8, even when it is determined that the S _TV in the sensor 21 is VE, the other sensors S _bed , S _shower , S _The processing operation is performed based on the correlation acquired in advance with the _seat . It is S _bed that has a negative correlation with S _TV from the result of pre-learning. For this reason, when one object 11 (television receiver) detected by S _TV detects VE, it is useless to continue to detect another object 11 (bed) by S _{bed. Therefore} , the electric power required to start up the sensors 21 of these S _beds is wasted. Therefore, the control block 7 controls such that the resting state for S _{bed bed} of sensor 21 with a negative correlation between such S _TV. As a result, the power used in the present system can be reduced by the amount that the sensor 21 of the S _bed can be put into a dormant state.

また、センサ２１におけるS_TVがＶＥである旨が判別された場合にこれと正の相関を持つのは、S_seatである。かかる場合にはS_TVにより検出されている一の対象物１１（テレビジョン受像機）がＶＥを検出している時点で、S_seatにより他の対象物１１（椅子）の検出をし続けない限り、そこからＶＥを検出することができなくなってしまう。このため、制御ブロック７は、このようなS_TVとの間で正の相関を持つS_seatのセンサ２１については休止状態とすることなく起動させ続けるように制御を行う。これにより、センサ２１として基本的に求められる検出精度を維持すること可能となる。 Further, S _TV in the sensor 21 that has a positive correlation with this when it is discriminated that a VE is S _seat. In such a case, as long as one object 11 (television receiver) detected by the S _TV detects VE, unless another object 11 (chair) is continuously detected by the S _seat. From there, it becomes impossible to detect VE. Therefore, the control block 7 performs such control as for the sensor 21 of the S _seat continues to launch without the quiescent state with a positive correlation between the S _TV. Thereby, it becomes possible to maintain the detection accuracy basically required for the sensor 21.

センサ２１におけるS_TVがＶＥである旨が判別された場合にこれと相関係数が０であり、特段相関を持たないS_showerについては、上述のように閾値を設定し、仮に閾値以上であれば正の論理相関である旨を判別し、閾値未満であれば負の論理相関である旨を判別する。例えば閾値が−０．３であれば、論理相関係数が０であっても正の論理相関である旨を判別することになる。 S _TV in the sensor 21 is zero correlation coefficient with this when it is discriminated that a VE, for S _{shower shower} with no particular correlation, there at the threshold value is set as described above, if the threshold value or more If it is less than the threshold, it is determined that the logical correlation is positive. For example, if the threshold is −0.3, it is determined that the logical correlation is positive even if the logical correlation coefficient is zero.

これらの動作を全てのＶＥを検出したセンサ２１について実行することにより、表８の論理相関行列を構成する全ての行にあるセンサ２１について、正の相関を有する他のセンサ２１のみ起動させ続け、それ以外の負の相関を有する他のセンサ２１を休止させることが可能となる。   By executing these operations for the sensors 21 that have detected all VEs, only the other sensors 21 having a positive correlation are continuously activated for the sensors 21 in all the rows constituting the logical correlation matrix of Table 8. Other sensors 21 having a negative correlation other than that can be stopped.

即ち、本発明によれば、ＶＥを検出した一のセンサ２１との関係において、正の相関を持つ他のセンサ２１については最低限起動し続けることにより、ＶＥ検出を漏れなく行うようにすることでセンサ２１として基本的に求められる検出精度を維持することができる。また、ＶＥを検出した一のセンサ２１との関係において、負の相関にある他のセンサ２１を休止させることで、センサ２１の起動に要する電力を効果的に削減することができる。   In other words, according to the present invention, in relation to the one sensor 21 that has detected VE, the other sensors 21 having a positive correlation are continuously started as a minimum so that VE detection can be performed without omission. Thus, the detection accuracy basically required for the sensor 21 can be maintained. In addition, the power required to start the sensor 21 can be effectively reduced by pausing the other sensor 21 having a negative correlation in relation to the one sensor 21 that has detected VE.

特に本発明によれば、住人の位置情報に依存することなく、そのセンサの起動に要する電力を効果的に削減することができる。このため、洗濯機や電子レンジ等のような家電機器等の対象物１１は、作動させつつ住人が別の部屋に居る場合もあるが、このような対象物１１も必要に応じてセンサ２１を介して検出を継続させることができるため、検出漏れを防ぐことが可能となる。また、住人の位置情報を例えばＧＰＳ等により検出する必要も無くなり、さらに住人のプライバシーの観点からも問題も生じなくなる。   In particular, according to the present invention, it is possible to effectively reduce the power required to start the sensor without depending on the location information of the resident. For this reason, the object 11 such as a home appliance such as a washing machine or a microwave oven may be operated while the resident is in another room. However, such an object 11 may be provided with the sensor 21 as necessary. Therefore, detection omission can be prevented. In addition, there is no need to detect the location information of the resident by, for example, GPS, and there is no problem from the viewpoint of resident privacy.

なお、上述した例では、一のセンサ２１との間で相関係数が正である他のセンサ２１を何れも正の相関を有するものと判断し、一のセンサ２１との間で相関係数が負である他のセンサ２１を何れも負の相関を有するものと判断しているが、これに限定されるものではない。相関係数がｘ以上（ｘは０〜１までの数）を正の相関である旨を判断し、相関係数がｙ以下（ｙは０〜−１までの数）を負の相関である旨を判断するようにしてもよい。ちなみに、ここでいうｘ、ｙはユーザ側又はシステム側において自由に設定可能とされていてもよい。   In the above-described example, it is determined that any other sensor 21 having a positive correlation coefficient with one sensor 21 has a positive correlation, and the correlation coefficient with one sensor 21 is determined. Although it is determined that the other sensors 21 having negative values have a negative correlation, the present invention is not limited to this. If the correlation coefficient is greater than or equal to x (x is a number from 0 to 1), it is determined that the correlation is positive, and if the correlation coefficient is y or less (y is a number from 0 to -1), it is a negative correlation. You may make it judge that. Incidentally, x and y here may be freely settable on the user side or system side.

さらに上述した例では、大きく分類して、ＶＥを検出した一のセンサ２１との関係において、正の相関を持つ他のセンサ２１、負の相関を持つ他のセンサ２１、特段の相関を持たない他のセンサ２１の大きく３段階に分類し、それぞれに応じて異なる制御を行う場合について説明をしたが、これに限定されるものではない。例えば、ＶＥを検出した一のセンサ２１との相関係数に応じて４段階以上に亘り他のセンサ２１を分類するようにしてもよい。   Further, in the above-described example, in relation to the one sensor 21 that is classified broadly and detects VE, the other sensor 21 having a positive correlation, the other sensor 21 having a negative correlation, and no particular correlation. Although the case where the other sensors 21 are roughly classified into three stages and different control is performed according to each of them has been described, the present invention is not limited to this. For example, the other sensors 21 may be classified in four or more stages according to the correlation coefficient with the one sensor 21 that has detected VE.

その一例としては、ＶＥを検出した一のセンサ２１との相関係数が、−１以上−０．５未満をグレードＡ、−０．５以上−０．２未満をグレードＢ、−０．２以上０．２未満をグレードＣ、０．２以上０．５未満グレードＤ、０．５以上１以下をグレードＥの５段階に分類してよい。つまり、相関が低い順から高いほうへグレードＡ〜Ｅにランク付けしたものである。そして、グレードＡに近づくほど他のセンサ２１に使用する電力を低くする。これにより、相関が低いセンサ２１から段階的にセンサ２１に使用する電力を低くすることができるため、電力の削減と、検出精度とのバランスを図ることが可能となる。
なお、本発明によれば、予め取得した各対象物１１間の有意状態及び非有意状態の相関関係に基づいて、他の対象物１１に対して設置された他のセンサ２１の状態を制御するものであれば、その制御の具体的な内容はいかなるものであってもよい。 As an example, the correlation coefficient with one sensor 21 that has detected VE is -1 or more and less than -0.5, grade A, -0.5 or more and less than -0.2, grade B, -0.2. More than 0.2 and less than 0.2 may be classified into 5 grades, grade C, 0.2 and less than 0.5 grade D, and 0.5 and less than 1 grade E. That is, the grades A to E are ranked from the lowest to the highest correlation. And the electric power used for the other sensor 21 is made low, so that it approaches grade A. Thereby, since the electric power used for the sensor 21 can be lowered step by step from the sensor 21 having a low correlation, it is possible to achieve a balance between the reduction of electric power and the detection accuracy.
In addition, according to this invention, based on the correlation of the significant state and non-significant state between each target object 11 acquired previously, the state of the other sensor 21 installed with respect to the other target object 11 is controlled. As long as it is a thing, the concrete content of the control may be anything.

また、本発明では、制御ブロック６による制御を簡略化させる観点から、ＶＥを検出した一のセンサに対して負の相関を有する他のセンサ２１を休止させ、その休止対象外の全てのセンサ２１は、ＶＥを検出する可能性があるものと判定して起動させ続けるようにしてもよい。   Further, in the present invention, from the viewpoint of simplifying the control by the control block 6, the other sensors 21 having a negative correlation with respect to the one sensor that has detected VE are paused, and all the sensors 21 that are not subject to pause are stopped. May continue to be activated by determining that there is a possibility of detecting VE.

また図５に示すように、センサネットワーク２から最新のセンサデータを受信したとき、ＶＥを検出しているセンサ２１として、S_A、S_B、S_Cの複数が同時に存在していた場合においても同様に、これら複数のセンサ２１と負の相関のある他のセンサ２１を選択する。例えば、これら３つのセンサ２１（S_A、S_B、S_C）と負の相関の高いセンサ２１として、S_E、S_F、S_Gの３つを選択するものとする。これらS_E、S_F、S_Gは、センサ２１（S_A、S_B、S_C）に対して１つでも負の相関があれば選択するものとする。そして、この選択したS_E、S_F、S_Gを休止させる。一方、選択されなかったセンサ２１（S_D、S_H）については、起動の対象とする。 Further, as shown in FIG. 5, when the latest sensor data is received from the sensor network 2, a plurality of S _A , S _B , and S _C exist simultaneously as the sensor 21 that detects VE. Similarly, another sensor 21 having a negative correlation with the plurality of sensors 21 is selected. For example, assume that three sensors S _E , S _F , and S _G are selected as the sensors 21 having high negative correlation with these three sensors 21 (S _A , S _B , and S _C ). These S _E , S _F , and S _G are selected if there is any negative correlation with respect to the sensor 21 (S _A , S _B , S _C ). Then, the selected S _E , S _F and S _G are paused. On the other hand, the unselected sensors 21 (S _D , S _H ) are to be activated.

図６は、本発明を適用したセンサネットワークの休止制御システム１の処理フローを示している。   FIG. 6 shows a processing flow of the suspension control system 1 for the sensor network to which the present invention is applied.

先ずステップＳ２１において学習用データの取得を行う。このステップＳ２１の詳細は、上述したステップＳ１１〜Ｓ１４において記載したとおりである。   First, in step S21, learning data is acquired. Details of step S21 are as described in steps S11 to S14 described above.

次にステップＳ２２へ移行し、制御ブロック６は、センサネットワーク２から最新のセンサデータを受信する。   Next, the process proceeds to step S22, and the control block 6 receives the latest sensor data from the sensor network 2.

次にステップＳ２３へ移行し、センサネットワーク２を構成する各センサ２１について、それぞれＶＥが検出できているか否かを判別する。その結果、ＶＥを検出しているセンサ２１が存在していない場合には、再びステップＳ２２へ戻る。一方、ＶＥを検出することができたセンサ２１が存在していた場合には、ステップＳ２３へ移行する。以下、このＶＥを検出することができたセンサ２１をS_MAという。 Next, the process proceeds to step S23, and it is determined whether or not VE can be detected for each sensor 21 constituting the sensor network 2. As a result, if there is no sensor 21 that detects VE, the process returns to step S22. On the other hand, if there is a sensor 21 that can detect VE, the process proceeds to step S23. Hereinafter, the sensor 21 can detect the VE called S _MA.

次にステップＳ２４へ移行し、制御ブロック６は、S_MAと異なる他のセンサ２１の検出を試みる。このステップＳ２４においてS_MAとは異なる他のセンサ２１（S_MB）を検出することができた場合にはステップＳ２５へ移行する。これに対して、検出したセンサ２１がS_MAと同一であればステップＳ２６へ移行する。 Then the process proceeds to step S24, the control block 6 tries to detect other sensor 21 that is different from the S _MA. This is where it was able to detect different other sensors 21 (S _MB) and S _MA in step S24 the process proceeds to step S25. In contrast, the detected sensor 21 moves to step S26 if they are identical and S _MA.

ステップＳ２５に移行し、ステップＳ２４において検出した他のセンサ２１（S_MB）がアクティブか否かを判別する。その結果、このセンサ２１（S_MB）が動作中であればステップＳ２７へ移行し、動作中ではなく休止中であればステップＳ２８へ移行する。 The process proceeds to step S25 to determine whether or not the other sensor 21 (S _MB ) detected in step S24 is active. As a result, if the sensor 21 (S _MB ) is in operation, the process proceeds to step S27.

ステップＳ２７へ移行した場合には、センサ２１（S_MA）と、センサ２１（S_MB）との相関係数ｒ（S_MA、S_MB）を上述したような論理相関行列から参照する。そして、ｒ（S_MA、S_MB）≦αであるか否かを判別する。αは、負の相関である旨を判断する上での閾値であり、ユーザ側又はシステム側において自由に設定することが可能となる。ｒ（S_MA、S_MB）≦αであれば、S_MBとS_MBとは互いに負の相関である旨を判別し、ステップＳ２９へ移行してＶＥを検出したS_MBに対してS_MBを休止状態に制御する。これに対して、ｒ（S_MA、S_MB）≦αでなければ、S_MBとS_MBとは互いに正の相関である旨を判別する。かかる場合には、ＶＥを検出したS_MBに対してS_MBを動作させ続けることにより、S_MBにとって必要なＶＥの検出を漏れなく継続することで検出精度を向上させる必要がある。この場合には、ステップＳ３０へ移行し、S_MBを特段休止させることなく、動作させ続ける。なお、ステップＳ２９の動作を完了させた後もステップＳ３０へ移行する。 When the process proceeds to step S27, the correlation coefficient r (S _MA , S _MB ) between the sensor 21 (S _MA ) and the sensor 21 (S _MB ) is referred to from the logical correlation matrix as described above. Then, it is determined whether or not r (S _MA , S _MB ) ≦ α. α is a threshold value for determining that the correlation is negative, and can be freely set on the user side or the system side. r (S _MA, S _MB) If ≦ alpha, to determine the effect that mutually negative correlation between S _MB and S _MB, the S _MB against S _MB detecting the VE shifts to step S29 Control to hibernation. On the other hand, if r (S _MA , S _MB ) ≦ α is not satisfied, it is determined that S _MB and S _MB are positively correlated with each other. In such a case, by continuing to operate the S _MB against S _MB detecting the VE, it is necessary to improve the detection accuracy by continuing without omission detection of the required VE for S _MB. In this case, the process proceeds to step S30, without otherwise paused S _MB, continuing to operate. Note that the process proceeds to step S30 even after the operation of step S29 is completed.

一方、ステップＳ２８へ移行した場合には、既にセンサ２１におけるS_MBは、休止状態に入っている。このフェーズにおいて、ｒ（S_MA、S_MB）≦αであるか否かを判別する。ｒ（S_MA、S_MB）≦αであれば、S_MBとS_MBとは互いに負の相関である旨を判別し、ステップＳ３１へ移行してＶＥを検出したS_MBに対してS_MBの休止状態を継続させる。これに対して、ｒ（S_MA、S_MB）≦αでなければ、S_MBとS_MBとは互いに正の相関である旨を判別する。かかる場合には、ＶＥを検出したS_MBに対してS_MBを起動させることにより、S_MBにとって必要なＶＥの検出を漏れなく継続することで検出精度を向上させる必要がある。この場合には、ステップＳ３０へ移行し、S_MBを休止状態から起動させる。 On the other hand, when the process proceeds to step S28 is, S _MB is in already sensor 21, in hibernate. In this phase, it is determined whether or not r (S _MA , S _MB ) ≦ α. r (S _MA, S _MB) If ≦ alpha, to determine the effect that mutually negative correlation between S _MB and S _MB, the S _MB against S _MB detecting the VE shifts to step S31 Continue hibernation. On the other hand, if r (S _MA , S _MB ) ≦ α is not satisfied, it is determined that S _MB and S _MB are positively correlated with each other. In such a case, by starting the S _MB against S _MB detecting the VE, is necessary to improve the detection accuracy by continuing without omission detection of the required VE for S _MB. In this case, the process proceeds to step S30, and the _SMB is activated from the hibernation state.

ステップＳ３０に移行した場合には、S_MBと比較をする他のセンサ２１のうち、S_MBとは異なる他のセンサ２１に移行する。即ち、表８の例において、S_MAがS_bedであり、S_MBがS_showerであると仮定した場合に、このステップＳ３０では、このS_showerとは異なる他のS_TVを選択して、再びステップＳ２４に戻り、同様の処理を繰り返す。そして、S_bedの行について、他のセンサ２１につき全て判別が終了すると、ステップＳ２６へ移行する。ステップＳ２６では、次のS_MAに移行する。表８でいうところのS_MAがS_bedから、他の異なる行のS_showerに移行し、その後ステップＳ２３へ戻り、同様の処理を繰り返す。これにより、論理相関行列を構成する全てについてセンサ２１を制御することが可能となる。 If the routine moves to step S30, among the other sensors 21 for the comparison with the S _MB, it moves to different other sensors 21 and S _MB. That is, in the example of Table 8, assuming that S _MA is S _bed and S _MB is S _shower , in this step S30, another S _TV different from this S _shower is selected, and again Returning to step S24, the same processing is repeated. When all the other sensors 21 have been determined for the S _bed row, the process proceeds to step S26. In the step S26, the process proceeds to the next S _MA. The S _MA in Table 8 moves from S _bed to S _shower in another different row, and then returns to step S23 to repeat the same processing. This makes it possible to control the sensor 21 for all of the logical correlation matrices.

センサネットワークの休止制御システム１は、家屋３に配置される場合に限定されるものではなく、他のいかなるものを監視対象とするものであってもよい。この家屋３以外を監視対象とする場合においても同様に、その監視空間内にある全ての対象物毎にセンサ２１を設置したセンサネットワーク２により構成することが可能となる。   The sensor network suspension control system 1 is not limited to being arranged in the house 3, and may be any other monitoring target. Similarly, when the object other than the house 3 is set as the monitoring target, similarly, it is possible to configure the sensor network 2 in which the sensor 21 is installed for every target in the monitoring space.

なお本発明においては、一のセンサ２１と正の相関関係にある他のセンサが既に休止状態にある場合に、これを再度起動させる制御を行うものであってもよいことは勿論である。   Of course, in the present invention, when another sensor having a positive correlation with one sensor 21 is already in a resting state, it may be controlled to start again.

また、本発明においては、学習用データに基づいて論理相関行列を得るまでのステップについては必須とならない。即ち、上述の如き論理相関行列を予め本システム内、又は本システム外において作成しておき、実際に制御ブロック７による制御を行うときまでに、このような相関行列を取得しておくことで、上述の作用効果を得ることができることは勿論である。   In the present invention, the steps until obtaining the logical correlation matrix based on the learning data are not essential. That is, a logical correlation matrix as described above is created in advance in the system or outside the system, and such a correlation matrix is acquired until the control by the control block 7 is actually performed. Of course, the above-described effects can be obtained.

表１に示すセンサ２１により各ＶＥを検出する場合を例にとり説明をする。事前学習においてS_bedに対して他の対象物１１が何れも負の相関を示した場合には、住人が就寝している状態をS_bedによりＶＥとして検出した際には、他の全てのセンサ２１を何れも休止状態とする。これにより、住人が就寝中は、他のセンサ２１を休止させることで使用電力の低減を図ることができる。また住人が就寝中は、他のセンサ２１によりＶＥを検出される機会が殆ど無いため、これらを全て休止させても検出精度の面において特段問題は生じない。 The case where each VE is detected by the sensor 21 shown in Table 1 will be described as an example. If any other object 11 shows a negative correlation with S _bed in the pre-learning, all other sensors are detected when the sleeping state is detected as VE by S _bed. 21 is in a dormant state. Thereby, while the resident is sleeping, the power consumption can be reduced by stopping the other sensors 21. Moreover, since there is almost no chance that VE is detected by the other sensors 21 while the resident is sleeping, no particular problem arises in terms of detection accuracy even if all of them are suspended.

これに対して、ベッドでテレビを見る習慣のある住人は、事前学習の際に、S_bedとS_TVとが互いに正の相関となる場合が多い。かかる場合には、住人が就寝している状態をS_bedによりＶＥとして検出した際には、S_TVについては休止させることなくそのまま作動させ続け、それ以外のセンサ２１を何れも休止状態とする。これにより、住人がベッドに寝ているときは、S_TVによりＶＥが検出される可能性が高いためそのまま動作させ続けることで検出漏れを無くすことができ、それ以外の他のセンサ２１を休止させることで使用電力の低減を図ることができる。このようにして住人の生活習慣に応じたセンサ２１の休止制御も実現することが可能となる。 On the other hand, residents who have a habit of watching television in _bed often have a positive correlation between S _bed and S _TV during pre-learning. In such a case, the state in which residents are sleeping upon detecting as VE by S _{bed bed} continues to directly actuated without halting for S _TV, the other sensor 21 with both dormant. Thus, when the residents are in bed, S _TV makes it possible to eliminate the detected leakage by VE is continuing to operate as it will likely be detected, halting the other sensor 21 otherwise Thus, the power consumption can be reduced. In this way, it is possible to realize pause control of the sensor 21 in accordance with the resident's lifestyle.

以下、本発明を適用したセンサネットワークの休止制御システム１の作用効果を検証する上で行ったシミュレーションについて説明をする。   Hereinafter, the simulation performed in verifying the operation effect of the sensor network suspension control system 1 to which the present invention is applied will be described.

先ず、文献“Ordonez, Fco Javier, Paula de Toledo, and Araceli Sanchis. "Activity recognition using hybrid generative/discriminative models on home environments using binary sensors."Sensors13.5 (2013): 5460-5477.”に開示されているスマートハウスの実環境から収集したセンシングデータを取得し、数値計算を行った。   First, it is disclosed in the document “Ordonez, Fco Javier, Paula de Toledo, and Araceli Sanchis.“ Activity recognition using hybrid generative / discriminative models on home environments using binary sensors. ”Sensors 13.5 (2013): 5460-5477. Sensing data collected from the actual environment of a smart house is obtained and numerical calculations are performed.

本発明例以外の比較例１は、位置情報に応じたセンサの制御方式（ＬＳＳＭ）を採用している。このＬＳＳＭでは、住人の位置情報に応じてセンサ２１の制御を全て行う。この方式では、住人のいる部屋のセンサは全て動作させ、それ以外の部屋のセンサは全て休止させる。本発明例以外の比較例２では、センサの制御を一切行うことなく常時起動させる。   Comparative Example 1 other than the example of the present invention employs a sensor control system (LSSM) according to position information. In this LSSM, all control of the sensor 21 is performed according to the location information of the resident. In this method, all the sensors in the room where the resident resides are operated, and all the sensors in the other rooms are deactivated. In Comparative Example 2 other than the example of the present invention, the sensor is always started without performing any control of the sensor.

本シミュレーションの評価指標としては、ＶＥの検出率(VHR)とセンサのアクティブ時間率(APR)の２種がある、ＶＨＲは、発生したVEを検出した確率である。即ち、このVHRは検出精度を表すものである。また、(APR)は、センサのアクティブ時間の全評価時間帯に対する割合である。即ち、このAPRはセンシングの消費エネルギー量を表すものである。比較例２は、センサを一切休止させずに常時起動させるため、ＶＨＲ、ＡＰＲともに１となる。   There are two types of evaluation indexes for this simulation: VE detection rate (VHR) and sensor active time rate (APR). VHR is the probability of detecting the generated VE. That is, this VHR represents detection accuracy. (APR) is the ratio of the active time of the sensor to the entire evaluation time zone. That is, this APR represents the energy consumption of sensing. In Comparative Example 2, both the VHR and APR are set to 1 because the sensor is always started without pausing.

図７は、このＶＨＲの評価結果である。横軸は、それぞれのセンサ２１の種別であり、縦軸は、ＶＨＲの値である。結果から、本発明例と比較例２は、高いＶＨＲの値となっており検出精度が優れていた。これに対して、比較例１は、住人の位置情報に依存する分において、特にトイレについてＶＨＲの値が低くなっていた。即ち、比較例１では、住人がトイレ以外の場所にいた時に、トイレ内のセンサ２１を休止させてしまい、ひいてはトイレに発生したＶＥを検出することができなかった。   FIG. 7 shows the evaluation results of this VHR. The horizontal axis indicates the type of each sensor 21, and the vertical axis indicates the value of VHR. From the results, the inventive example and the comparative example 2 had high VHR values and excellent detection accuracy. On the other hand, in Comparative Example 1, the value of VHR was low particularly for the toilet in the amount depending on the location information of the resident. That is, in Comparative Example 1, when the resident was in a place other than the toilet, the sensor 21 in the toilet was paused, and as a result, VE generated in the toilet could not be detected.

これに対して、図８は、このＡＰＲの評価結果である。横軸は、それぞれのセンサ２１の種別であり、縦軸は、ＡＰＲの値である。本発明例がもっとも消費電力を低減させることができ、ついで比較例１、比較例２が続くという結果となっていた。   On the other hand, FIG. 8 shows the evaluation result of this APR. The horizontal axis represents the type of each sensor 21, and the vertical axis represents the value of APR. The example of the present invention was able to reduce the power consumption most, and then, Comparative Example 1 and Comparative Example 2 continued.

比較例１では、住人がいる部屋にある複数のセンサ２１は全て起動させる。このため、比較例２よりは消費電力を低減できることが示されている。これに対して、本発明例では、住人がいる部屋にある複数のセンサ２１のうち、更に詳細な相関関係に基づいて、センサ２１を休止させる場合もある。このため、比較例１よりもシステム全体で見た場合における消費電力を低減できていることが示されていた。   In Comparative Example 1, all of the plurality of sensors 21 in the room where the resident is present are activated. For this reason, it is shown that power consumption can be reduced as compared with Comparative Example 2. On the other hand, in the present invention example, among the plurality of sensors 21 in the room where the resident is present, the sensor 21 may be paused based on a more detailed correlation. For this reason, it was shown that the power consumption in the case of seeing the whole system rather than the comparative example 1 can be reduced.

１ 休止制御システム
２ センサネットワーク
３ 家屋
４ センサデータ集約局
５ クラウドコンピューティングシステム
６ 論理相関行列生成ブロック
７ 制御ブロック
１０ 制御部
１１ 対象物
２１ センサ
２２ エネルギー監理システム
２３ スマートメータ DESCRIPTION OF SYMBOLS 1 Pause control system 2 Sensor network 3 House 4 Sensor data aggregation station 5 Cloud computing system 6 Logical correlation matrix generation block 7 Control block 10 Control part 11 Object 21 Sensor 22 Energy management system 23 Smart meter

Claims (6)

対象物が有意状態か又は非有意状態かを判別可能なセンサを、監視空間内にある全ての対象物毎に設置したセンサネットワークと、
上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、他の対象物に対して設置された他のセンサの状態を制御する制御手段とを備えること
を特徴とするセンサネットワークの休止制御システム。 A sensor network in which a sensor capable of determining whether a target is in a significant state or a non-significant state is installed for every target in the monitoring space;
When it is determined from one sensor in the sensor network that one object is in a significant state, another object is determined based on the correlation between the significant state and the insignificant state between the objects acquired in advance. And a control means for controlling the state of another sensor installed on the object. 上記制御手段は、上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサを休止状態とするように制御すること
を特徴とする請求項１記載のセンサネットワークの休止制御システム。 When it is determined from one sensor in the sensor network that one object is in a significant state, the control means is based on the correlation between the significant state and the insignificant state between the respective objects acquired in advance. 2. The suspension of the sensor network according to claim 1, wherein control is performed so that another sensor installed for another object having a negative correlation with the one object is placed in a dormant state. Control system. 上記センサネットワークは、各対象物が有意状態か、又は非有意状態かを同時に判別することを１回又は複数回実行し、
上記制御手段は、上記センサネットワークによる判別結果に基づいて、２つの対象物間で共に有意状態にある場合に当該対象物間においてより正の相関となるように、また当該対象物間でいずれか一方が非有意状態である場合に当該対象物間においてより負の相関に近づけることにより、上記相関関係を予め取得すること
を特徴とする請求項２記載のセンサネットワークの休止制御システム。 The sensor network executes one or more times to simultaneously determine whether each object is in a significant state or insignificant state,
Based on the result of determination by the sensor network, the control means is configured so that when both the two objects are in a significant state, there is a more positive correlation between the objects, or between the objects. The sensor network pause control system according to claim 2, wherein when one of the objects is insignificant, the correlation is acquired in advance by bringing the correlation closer to a negative correlation. 上記制御手段は、当該一の対象物と正の相関関係にある他の対象物に対して設置された他のセンサを起動し続けるように制御すること
を特徴とする請求項２又は３記載のセンサネットワークの休止制御システム。 The said control means is controlled to continue starting the other sensor installed with respect to the other target object with a positive correlation with the said one target object. Sensor network pause control system. 上記センサネットワークは、上記監視空間内にある３以上の対象物毎に上記センサを設置し、
上記制御手段は、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサをリスト化し、これらリスト化された他のセンサを何れも休止状態とするように制御すること
を特徴とする請求項２記載のセンサネットワークの休止制御システム。 The sensor network installs the sensor for every three or more objects in the monitoring space,
The control means lists other sensors installed for other objects that are negatively correlated with the one object, and puts the other sensors in the list in a resting state. The suspension control system for a sensor network according to claim 2, wherein 上記センサネットワークは、上記監視空間としての家屋に設置され、家屋に配設される設備としての各対象物が有意状態か、又は非有意状態かを同時に判別することを１又は複数回実行し、
上記制御手段は、複数の上記家屋からの上記センサネットワークによる判別結果に基づいて、互いに異なる対象物間で共に有意状態にある場合に当該対象物間の相関をより正に近づけ、いずれか一方が非有意状態である場合に当該備品間の相関をより負に近づけることにより、上記相関関係を予め取得すること
を特徴とする請求項３記載のセンサネットワークの休止制御システム。 The sensor network is installed in a house as the monitoring space, and executes one or more times to simultaneously determine whether each object as equipment installed in the house is in a significant state or insignificant state,
The control means, based on the determination results by the sensor network from a plurality of the houses, when the objects different from each other are in a significant state, the correlation between the objects is more positively approached, one of which is 4. The sensor network pause control system according to claim 3, wherein the correlation is acquired in advance by bringing the correlation between the fixtures closer to negative in a non-significant state.

Images