JP5547124B2

JP5547124B2 - プログラム及び計測データ管理装置

Info

Publication number: JP5547124B2
Application number: JP2011077135A
Authority: JP
Inventors: 道子野末; 隆司土屋
Original assignee: Railway Technical Research Institute
Current assignee: Railway Technical Research Institute
Priority date: 2011-03-31
Filing date: 2011-03-31
Publication date: 2014-07-09
Anticipated expiration: 2031-03-31
Also published as: JP2012212284A

Description

本発明は、センサネットワークの各センサノードの計測データを管理する計測データ管理装置等に関する。

センサネットワークシステムは、各所に設置されたセンサノードによる計測データ（センサデータ）を集約して、対象物の状態を監視するためのシステムである。このネットワークシステムの一形態であるワイヤレスセンサネットワークでは、センサノードによる計測データが、他のセンサノードや中継ノードを介して繰り返し無線転送されることで、データ集約装置に集約される。データ集約装置に集約された計測データは、例えば既設の通信ケーブル等を介して、外部装置に送信される（例えば、特許文献１参照）。

特開２００５−３２８２３０号公報

ワイヤレスセンサネットワークを、例えば、鉄道の橋梁やトンネルといった構造物の監視システムに適用する場合、監視対象物が大きくセンサノードの数が多いため、多数の計測データが集約・蓄積されることになる。集約・蓄積された計測データを解析する際には、どのような外部事象（列車の通過や、定期的な補修や調整作業等）が計測時に発生したのかを考慮した上で、計測データの変化が対象物の異常を示しているのかどうかを判定する必要がある。計測データが多数の場合、計測データ一つ一つについて、発生事象やその発生期間を特定し対応付ける作業は非常に面倒である。

本発明は、上記事情に鑑みてなされたものであり、その目的とするところは、センサネットワークで得られた多数の計測データについて、発生した外部事象との対応付けを自動的に行うことである。

上記課題を解決するための第１の形態は、
コンピュータに、移動体の通行に係る構造物の各所に配置された多数のセンサノードによって構成されたセンサネットワークの各センサノードの計測データを管理させるためのプログラムであって、
外部事象毎に当該外部事象が発生したときのセンサノード個別の計測データを事例データとして記憶した事例データベースを参照して、前記センサネットワークを構成するセンサノード個別の計測データに適合する外部事象を発生事象として推定する個別推定手段、
前記個別推定手段により推定されたセンサノード個別の発生事象とセンサノードの配置位置関係に基づく計測時間差とに基づいて、発生事象を総合判定する総合判定手段、
前記総合判定手段により総合判定された発生事象を、前記センサネットワークを構成するセンサノードそれぞれの計測データに対応付けて記憶部に記憶させる発生事象対応付け手段、
として前記コンピュータを機能させるためのプログラムである。

また、他の形態として、
移動体の通行に係る構造物の各所に配置された多数のセンサノードによって構成されたセンサネットワークの各センサノードの計測データを管理する計測データ管理装置であって、
外部事象毎に当該外部事象が発生したときのセンサノード個別の計測データを事例データとして記憶した事例データベースを参照して、前記センサネットワークを構成するセンサノード個別の計測データに適合する外部事象を発生事象として推定する個別推定手段と、
前記個別推定手段により推定されたセンサノード個別の発生事象とセンサノードの配置位置関係に基づく計測時間差とに基づいて、発生事象を総合判定する総合判定手段と、
前記総合判定手段により総合判定された発生事象を、前記センサネットワークを構成するセンサノードそれぞれの計測データに対応付けて記憶部に記憶させる発生事象対応付け手段と、
を備えた計測データ管理装置を構成しても良い。

この第１の形態等によれば、事例データベースを参照して、センサノード個別の計測データに適合する外部事象が発生事象として個別推定され、次いで、個別推定されたセンサノード個別の発生事象とセンサノードの配置位置関係に基づく計測時間差とに基づいて、発生事象が総合判定される。そして、総合判定された発生事象が、センサノードそれぞれの計測データに対応付けて、記憶部に記憶される。これにより、各センサノードの計測データへの発生事象の対応付けが自動的に行われる。

何らかの外部事象が発生すると、一つのセンサノードのみならず、周辺の複数のセンサノードの計測データに何らかの変化が生じる。このため、外部事象毎に当該外部事象の発生による各センサノードの計測データを事例データとして記憶した事例データベースを参照して、センサノード個別の発生事象を個別推定した後、複数の計測データをひとまとまりとして発生事象を総合判定することで、発生事象の判定の正確性を向上させることができる。

第２の形態として、第１の形態のプログラムであって、
前記発生事象対応付け手段が、
前記個別推定手段により推定されたセンサノード個別の発生事象とセンサノードの配置位置関係に基づく計測時間差とに基づいて、各センサノードの計測データのうちから前記総合判定された発生事象に係るデータ部分を抽出する抽出手段を有し、
前記抽出手段により抽出されたデータ部分に前記総合判定された発生事象を対応付けて前記記憶部に記憶させる、
ように前記コンピュータを機能させるためのプログラムを構成しても良い。

この第２の形態によれば、各センサノードの計測データのうちから、総合判定された発生事象に係るデータ部分が抽出され、この抽出されたデータ部分に総合判定された発生事象を対応付けて記憶部に記憶される。

第３の形態として、第１又は第２の形態のプログラムであって、
前記個別推定手段が、
前記センサネットワークを構成する一部のセンサノードの計測データについて発生事象を推定し、当該発生事象に対応する事例データと他のセンサノードの計測データとを比較して、当該推定された発生事象の妥当性を判定する妥当性判定手段を有し、
前記妥当性判定手段により妥当と判定された場合に、前記他のセンサノードの計測データについて同一の発生事象と推定する、
ように前記コンピュータを機能させるためのプログラムを構成しても良い。

この第３の形態によれば、センサノード個別の発生事象の個別推定として、先ず、センサネットワークを構成する一部のセンサノードの計測データについて、発生事象が個別推定される。次いで、当該発生事象に対応する事例データと他のセンサノードの計測データとを比較して、先に推定した発生事象の妥当性が判定され、妥当と判定された場合に、他のセンサノードについて同一の発生事象と推定される。

第４の形態として、第３の形態のプログラムであって、
前記妥当性判定手段が、前記一部のセンサノードと前記他のセンサノードとの位置関係に基づく計測時間差に従って、前記他のセンサノードの計測データのうちから前記妥当性の判定対象部分を抽出して、前記妥当性の判定を行う、
ように前記コンピュータを機能させるためのプログラムを構成しても良い。

この第４の形態によれば、他のセンサノードについての発生事象の妥当性は、一部のセンサノードと他のセンサノードとの位置関係に基づく計測時間差に従って、他のセンサノードの計測データのうちから、妥当性の判定対象部分を抽出して妥当性の判定が行われる。これにより、計測データ全体に対してではなく、抽出した判定対象部分について妥当性の判定を行うため、効率良く発生事象の判定を行うことができる。

第５の形態として、第１〜第４の何れかの形態のプログラムであって、
前記事例データベースには、外部事象毎に、センサノード個別の計測データが対応付けて記憶されているとともに、センサノード間の配置位置関係に基づく計測時間差が対応づけて記憶されており、
前記記憶部に記憶された発生事象と、前記センサネットワークを構成するセンサノードそれぞれの計測データとを新たな事例データとして前記事例データベースに追加記憶させる事例更新手段として前記コンピュータを機能させるための請求項１〜４の何れか一項に記載のプログラムを構成しても良い。

この第５の形態によれば、事例データベースには、外部事象毎に、センサノード個別の計測データとともに、センサノード間の配置位置関係に基づく計測時間差が対応付けて記憶されている。更に、記憶された発生事象と、センサノードそれぞれの計測データとが新たな事例データとして事例データベースに追加記憶される。つまり、発生事象が総合判定されてセンサノードそれぞれの計測データに対応付けて記憶される毎に、新たな事例データが追加記憶されて事例データベースが更新される。このため、事例データを参照して行われるセンサノード個別の発生事象の個別推定の精度を向上させることができる。

第６の形態として、第１〜第５の何れかの形態のプログラムであって、
前記個別推定手段による推定結果を用いて、前記総合判定手段により総合判定された発生事象に対する信頼度を算出する信頼度算出手段として前記コンピュータを機能させるためのプログラムを構成しても良い。

この第６の形態によれば、センサノード個別の発生事象の個別推定結果を用いて、総合判定された発生事象に対する信頼度が算出される。

センサネットワークの概要図。センサノードの設置及び計測データの一例。計測データの事例データとの類似判定の説明図。類似事象の判定の説明図。近傍センサについての類似判定の説明図。発生事象の判定の説明図。事象発生期間の推定の説明図。データ管理装置の機能構成図。計測値ＤＢのデータ構成例。計測値管理ＤＢのデータ構成例。事例ＤＢのデータ構成例。データ管理処理のフローチャート。

以下、図面を参照して本発明の実施形態を説明する。但し、本発明の適用可能な実施形態がこれに限定されるものではない。

［概要］
本実施形態のデータ管理装置は、センサネットワークで得られた多数の計測データ（センサデータ）を管理するものであり、具体的には、計測データに、計測時の状況に関するデータであるイベントメタデータを対応付けて管理する。センサネットワークは、各所に設置されたセンサノードによる計測データを集約することで対象物の状態を監視するシステムである。

図１に、センサネットワークの概略構成を示す。図１に示すように、センサネットワーク１は、センサノードＳと、中継ノードＲと、ゲートウェイＧと、管理サーバ３とを備えて構成される。

センサノードＳは、マイクロプロセッサやセンサ、無線チップ、メモリ等が搭載された無線端末であり、監視対象物の各所に設置される。そして、搭載するセンサによる計測データを、送信先として予め定められた中継ノードＲ或いはゲートウェイＧに送信する。中継ノードＲは、無線通信機能を有し、センサノードＳや他の中継ノードＲからの受信データを、送信先として予め定められた他の中継ノードＲ或いはゲートウェイＧに送信する。ゲートウェイＧは、既設の外部ケーブルを介した有線通信、或いは、無線ＬＡＮアクセスポイントＡＣやルータを介した携帯電話網やモバイルＷｉＭＡＸ等の無線通信ネットワークによって、通信回線Ｎを通じて外部の管理サーバ３に接続されている。このように、センサネットワーク１では、センサノードＳによる計測データが、中継ノードＲを介した転送を繰り返して管理サーバ３まで送信・集約される。

図２に、センサノードＳの設置例、及び、計測データの一例を示す。図２では、鉄道の橋梁（構造物）を監視対象物とした例を示している。図２上側に示すように、橋梁の鉄骨部に複数（図２では、１０個）のセンサノードＳ（Ｓ１〜Ｓ１０）が設置されている。センサノードＳは、振動センサを搭載しており、設置部分の振動（揺れ）の程度を、計測値として出力する。

そして、この橋梁を「列車が通過」という外部事象（イベント）が発生すると、図２下側に示すように、各センサノードＳの計測データに変化が生じる。すなわち、各センサノードＳの計測値が、列車の進行方向に沿った順序（図２では、センサノードＳ１〜Ｓ１０の順序）で、時間差をおいて変動（振動）する。

本実施形態のデータ管理装置では、複数のセンサノードＳによる計測データに対して、過去の外部事象（イベント）の発生時の計測データである事例データと比較することで、事象の発生の有無や発生した事象の種別等を判断（類推）し、計測データそれぞれの該当部分に、発生した事象に関するデータであることを示すイベントメタデータを付加する。

具体的には、先ず、図３に示すように、対象とするセンサノードＳ（対象センサ）による計測データ１０と、事例ＤＢ２４０に格納されている事例データ２０との類似判定を行う。事例データ２０は、過去に事象が発生した際の計測データであり、事例ＤＢ２４０には、事象及びセンサノードＳの組み合わせに対応付けられた事例データ２０が格納されている。

図３では、センサノードＳ１の計測データ１０−１を対象としている。この場合、このセンサノードＳ１（対象センサ）の計測データ１０−１と、事例ＤＢ２４０に格納されている事例データ２０のうち、各事象に対応付けられているセンサノードＳ１の事例データ２０それぞれとの類似判定（個別推定）を行う。

計測データ１０と事例データ２０との類似判定は、相関演算によって行う。すなわち、図４に示すように、計測データ１０の中から、事例データ２０の時間幅ｔｗ（ｔｗａ，ｔｗｂ）と同じ時間幅ｔｗのデータ部分を比較対象とするデータ部分１２として時間方向にずらしつつ切り出し、これを事例データ２０と相関演算する、いわゆる位相方向（時間軸方向）のサーチを行う。これを、事例データ２０それぞれについて行う。そして、算出した事例データ２０毎の相関値のうち、最大の相関値（最大相関値）が所定の閾値（例えば、「０．９」）以上の場合、「類似」する事象有りと判定し、その相関値が最大となった事例データ２０に対応する事象を、計測データ１０の「類似事象」と判断する。また、計測データ１０のうち、類似事象と判断された事例データ２０との相関値が最大となったデータ部分１２を、類似計測データ部分として抽出する。この類似計測データ部分の時間幅ｔｗは、判断された類似事象の事例データ２０の時間幅ｔｗと同じである。

例えば、図４では、計測データ１０と事例データ２０それぞれとの相関値のうち、計測データ１０−１のデータ部分１２−１と、「事象Ａ」の事例データ２０ａ−１−２との相関値が最大となり、所定の閾値を超えた。このため、類似事象は「事象Ａ」と判断される。そして、計測データ１０−１のうち、「事象Ａ」の事例データ２０ａ−１−２との相関値が最大となるデータ部分１２−１が、「類似計測データ部分」となる。

類似事象を判定すると、続いて、図５に示すように、近傍の他のセンサノードＳそれぞれについて、計測データ１０と、類似事象に対応付けられている事例データ２０それぞれと、同様の類似判定（個別推定）を行って、類似事象が発生事象として妥当か否かを判定する。

「近傍センサ」は、類似事象によって計測データに変化が現れるセンサノードＳであり、過去の計測データをもとに定められる。図２の例では、「列車の通過」という事象であり、この事象による計測データでは、橋梁の鉄骨部に設置された全センサノードＳの計測データに変化が現れたため、対象センサであるセンサノードＳ１以外の全てのセンサノードＳ２〜ＳＮを近傍センサとする。

そして、近傍センサである（Ｎ−１）個のセンサノードＳ２〜ＳＮそれぞれの計測データ１０−２〜１０−Ｎと、類似事象である「事象Ａ」の事例データ２０との類似判定が行われる。

このように、各センサノードＳの計測データ１０それぞれについての類似判定を行うと、その判定結果をもとに、発生事象の総合判定を行う。すなわち、図６に示すように、近傍センサの全数に対する、類似事象の事例データ２０との類似判定（個別推定）により「類似」と判定された近傍センサの数の割合が所定の閾値（例えば、０．７）以上の場合、「類似事象」を「発生事象」として確定する。

そして、類似事象を発生事象として確定すると、対象センサ及び近傍センサそれぞれの計測データ１０に、発生事象に関するイベントメタデータを付加する。具体的には、それぞれの計測データ１０について、事象発生期間を特定し、特定した事象発生期間の計測データ部分１２に、イベントメタデータを付加する。

事象発生期間の特定は、対象センサの計測データ１０については、事例データ２０との相関値が最大となったデータ部分を事象発生期間とする。また、近傍センサの計測データ１０のうち、類似判定により「類似」と判定された計測データ１０については、事例データ２０との相関値が最大となったデータ部分１２を、「事象発生期間」とする。また、近傍センサの計測データ１０のうち、類似判定により「非類似」と判定された計測データについては、図７に示すように、「類似」と判定された他の計測データ１０との時間関係から、事象発生期間を推定する。

図７では、センサノードＳ１〜Ｓ３それぞれの計測データ１０、及び、事例データ２０を示している。図７では、上側に、センサノードＳ１〜Ｓ３それぞれの計測データ１０を示し、下側に、事例ＤＢ２４０に格納されている、センサノードＳ１〜Ｓ３それぞれの発生事象の事例データ２０を示している。これらのうち、センサノードＳ２の計測データ１０−２は「非類似」と判定され、センサノードＳ１，Ｓ３の計測データ１０−１，１０−３は「類似」と判定されている。

この場合、「非類似」と判定されたセンサノードＳ２の計測データ１０−２の「事象発生期間」を、「類似」と判定されたセンサノードＳ１の類似事象の事例データ２０−１から推定する。すなわち、センサノードＳ１，Ｓ２それぞれの事例データ２０−１，２０−２の開始時点ｕ_１，ｕ_２の時間差Δｕ_１，２を算出する。次いで、センサノードＳ１の計測データ１０−１の事象発生期間の開始時刻ｔ_１から、時間差Δｕ_１，２だけ遅れた時刻ｔ_２＝（ｔ_１＋Δｕ_１，２）を、計測データ１０−２の事象発生期間の開始時刻ｔ_２とする。そして、事例データ２０−２の事象発生期間Ｕ_２と同じ期間、すなわち、「時刻ｔ_２（＝ｔ_１＋Δｕ_１，２）〜ｔ_２＋Ｕ_２」の期間を、計測データ１０−２における事象発生期間とする。

また、発生事象を確定した場合、計測データ１０を発生事象と対応付けて、新たな事例データ２０として事例ＤＢ２４０に追加登録する。すなわち、対象センサの計測データ１０の類似計測データ部分１２を、確定した発生事象と対応付けて、新たな事例データ２０として事例ＤＢ２４０に追加登録する。また、近傍センサの計測データ１０についても、それぞれの事象発生期間に該当するデータ部分（類似計測データ部分）１２を、確定した発生事象と対応付けて、新たな事例データ２０として事例ＤＢ２４０に追加登録する。
このとき、計測データ１０の類似計測データ部分１２の時間幅ｔｗは、確定した発生事象の事例データ２０の時間幅ｔｗとなっている。

更に、発生事象を確定した場合、各センサノードＳの計測データ１０に、発生事象の判定の「信頼度」を、イベントメタデータに含めて対応付ける。

発生事象の判定の信頼度は、センサノードＳの全数Ｎのうち、類似判定により「類似」と判定されたセンサノードＳの数の割合とする。例えば、図６では、対象センサであるセンサノードＳ１の類似事象を「事象Ａ」とした。そして、近傍センサである（Ｎ−１）個のセンサノードＳ２〜ＳＮのうち、Ｍ（≦Ｎ−１）個のセンサノードについて、事象Ａと「類似」していると判定された。従って、この場合、発生事象である事象Ａの信頼度は、「（１＋Ｍ）／Ｎ」となる。

［構成］
図８は、データ管理装置１００の機能構成図である。図８によれば、データ管理装置１００は、機能的には、処理部１１０と、操作入力部１２０と、表示部１３０と、通信部１４０と、記憶部２００とを備えたコンピュータシステムとして構成される。

処理部１１０は、例えばＣＰＵ等のプロセッサで実現される制御装置であり、操作入力部１２０から入力されたデータや、記憶部２００に記憶されたプログラムやデータ等に基づいて、データ管理装置１００を構成する各部への指示やデータ転送を行い、データ管理装置１００の全体制御を行う。

また、本実施形態では、処理部１１０は、データ管理プログラム２１０に従ったデータ管理処理を行う。このデータ管理処理では、センサノードから取得した計測データに、該計測データの計測時に発生した事象（イベント）に関するデータである「イベントメタデータ」を付加した計測値管理データを生成する。ここで、センサノードから取得した計測データは、計測値ＤＢ２２０に蓄積記憶される。そして、計測データにイベントメタデータを付加して生成された計測値管理データは、計測値管理ＤＢ２３０に蓄積記憶される。

図９は、計測値ＤＢ２２０のデータ構成の一例を示す図である。図９に示すように、計測値ＤＢ２２０は、センサノード毎のセンサ別計測データ群２２１の集合であり、各センサ別計測データ群２２１は、該当するセンサノードのセンサＩＤ２２２とともに、計測時刻ｔと計測値と通常メタデータとを時系列に対応付けた計測データ２２３（１０）を格納している。

また、図１０は、計測値管理ＤＢ２３０のデータ構成の一例を示す図である。図１０に示すように、計測値管理ＤＢ２３０は、センサノード毎のセンサ別計測管理データ群２３１の集合であり、各センサ別計測管理データ群２３１は、該当するセンサノードのセンサＩＤ２３２とともに、計測時刻ｔと計測値と通常メタデータとイベントメタデータとを時系列に対応付けた計測管理データ２３３を格納している。計測管理データ２３３は、対応するセンサノードのセンサ別計測データ群２２１の計測データ２２３に、イベントメタデータを付加した構成となっている。

処理部１１０は、センサノードそれぞれを対象として、計測値ＤＢ２２０に格納されている計測データ２２３と、事例ＤＢ２４０に格納されている事例データ２５２との類似判定を行って、類似事象を判定する。

図１１は、事例ＤＢ２４０のデータ構成の一例を示す図である。図１１（ａ）に示すように、事例ＤＢ２４０は、事象毎の事象別事例データ群２４１の集合であり、各事象別事例データ群２４１は、該当する事象ＩＤ２４２とともに、近傍センサＩＤ２４３と、この近傍センサＩＤ２４３で指定されるセンサノードそれぞれのセンサ別事例データ群２５０を格納している。各センサ別事例データ群２５０は、図１１（ｂ）に示すように、該当するセンサノードのセンサＩＤ２５１とともに、時刻と計測値と通常メタデータとを時系列に対応付けた事例データ２５２（２０）を格納している。事例データ２５２は、計測値ＤＢ２２０における、該当する事象及びセンサノードに対応する計測データ２２３の一部データとなっている。

処理部１１０は、対象とするセンサノード（対象センサ）の計測データ２２３と、対象センサの各事象に対応付けられている事例データ２５２それぞれとの相関演算を行って、相関値を算出する。そして、算出した事例データ２５２毎の相関値のうち、相関値が最大となる事例データ２５２に対応する事象を「類似事象」と判断する。

続いて、処理部１１０は、類似事象の事象別事例データ群２４１を参照して対象センサの近傍センサを特定し、特定した近傍センサそれぞれについて、計測データ２２３と類似事象の事例データ２５２との類似判定を行って、「類似」或いは「非類似」を判定する。そして、センサノードの全数Ｎに対する、事例データ２５２との「類似」を判定した近傍センサの数の割合を算出し、この割合が所定の閾値以上ならば、類似事象を発生事象として確定する。

発生事象を確定すると、計測データ２２３それぞれに、発生事象に関するイベントメタデータを付加し、計測管理データ２３３として計測値管理ＤＢ２３０に格納する。このとき、対象センサの計測データ２２３については、類似すると判定した事例データ２５２との相関値が最大となるデータ部分（類似データ部分）を事象発生期間とし、この類似データ部分に、発生事象に関するイベントメタデータを付加する。

また、近傍センサの計測データ２２３のうち、事例データ２５２との「類似」を判定した計測データについては、類似すると判定した事例データ２５２との相関値が最大となるデータ部分（類似データ部分）を事象発生期間とし、この類似データ部分に、発生事象に関するイベントメタデータを付加する。

また、近傍センサの計測データ２２３のうち、事例データ２５２との「非類似」と判定した計測データ２２３については、事例データ２５２との「類似」を判定した近傍センサの計測データ２２３の事象発生期間との時間差をもとに、事象発生期間を推定し、この事象発生期間に該当するデータ部分に、発生事象に関するイベントメタデータを付加する。

また、処理部１１０は、発生事象を確定すると、計測データ２２３に基づく新たな事例データ２５２の事例ＤＢ２４０への追加登録を行う。すなわち、対象センサの計測データ２２３のうち、事象発生期間に該当するデータ部分（類似データ部分）を、新たな事例データ２５２として、事例ＤＢ２４０に追加登録する。また、近傍センサそれぞれの計測データ２２３のうち、事象発生期間に該当するデータ部分（類似データ部分）を、新たな事例データ２５２として、事例ＤＢ２４０に追加登録する。

図８に戻り、操作入力部１２０は、例えばキーボードやマウス、タッチパネル、各種スイッチ等で実現される入力装置であり、操作入力部応じた入力信号を処理部１１０に出力する。

表示部１３０は、例えばＬＣＤ等で実現される表示装置であり、処理部１１０から入力される表示信号に基づく各種画面を表示する。

通信部１４０は、例えば、無線通信モジュールやルータ、モデム、ＴＡ、有線ケーブルのジャックや制御回路等によって実現される通信装置であり、外部機器との間でデータ通信を行う。

記憶部２００は、処理部１１０がデータ管理装置１００を統合的に制御するための諸機能を実現するためのシステムプログラムや、本実施形態のデータ管理処理を実行するためのプログラムやデータ等を記憶しているとともに、処理部１１０の作業領域として用いられ、処理部１１０が各種プログラムに従って実行した演算結果や、操作入力部１２０からの入力信号が一時的に格納される。また、本実施形態では、記憶部２００には、プログラムとしてデータ管理プログラム２１０が記憶されるとともに、データとして、計測値ＤＢ２２０と、計測値管理ＤＢ２３０と、事例ＤＢ２４０とが記憶される。

［処理の流れ］
図１２は、データ管理処理を説明するフローチャートである。図１２によれば、処理部１１０は、センサノードそれぞれを対象とした繰り返し処理（ループＡ）を行う。このループＡでは、対象のセンサノード（対象センサ）の計測データ２２３と、各事象の事例データ２５２それぞれとの相関演算による類似判定を行う（ステップＡ１）。

その結果、類似事象有りと判定したならば（ステップＡ３：ＹＥＳ）、続いて、対象センサの近傍センサを特定する（ステップＡ５）。そして、特定した近傍センサそれぞれについて、該近傍センサの計測データ２２３と、類似事象の事例データ２５２との相関演算による類似判定を行う（ステップＡ７）。

その結果、近傍センサのうち、類似事象との「類似」を判定したセンサノードの数をもとに、類似事象を発生事象とみなすか否かを判定し（ステップＡ９）、類似事象を発生事象とみなすと判定したならば（ステップＡ１１：ＹＥＳ）、全てのセンサノードのうち、類似事例との「類似」を判定したセンサノードの数をもとに、類似事例の判定の信頼度を算出する（ステップＡ１３）。次いで、類似事象を発生事象候補として、算出した信頼度ともに、所定の表示画面の表示等によってユーザに提示する（ステップＡ１５）。

そして、ユーザにより、発生事象候補が確認されたならば（ステップＡ１７：ＹＥＳ）、類似事象を発生事象として確定する（ステップＡ１９）。次いで、対象センサの計測データ２２３及び各近傍センサそれぞれの計測データ２２３における事象発生期間を特定する（ステップＡ２１〜Ａ２３）。そして、対象センサ及び近傍センサそれぞれの計測データ２２３の、特定した事象発生期間に対応するデータ部分（類似データ部分）に、発生事象に関するイベントメタデータを付加する（ステップＡ２５）。また、対象センサ及び近傍センサそれぞれの計測データ２２３における事象発生期間に対応するデータ部分を、発生事象についての新たな事例データ２５２として、事例ＤＢ２４０に追加格納する（ステップＡ２７）。ループＡの処理はこのように行われる。

全てのセンサノードを対象としたループＡの処理を行うと、処理部１１０は、データ管理処理を終了する。

［作用・効果］
このように、本実施形態によれば、センサネットワークシステム１を構成する各センサノードＳから得られた計測データ１０を、事例データ２０との類似判定を行うことで発生事象が推定され、各センサノードＳの計測データ１０それぞれの事象発生期間のデータ部分に、推定した発生事象に関するイベントメタデータが付加される。

［変形例］
なお、本発明の適用可能な実施形態は、上述の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。

（Ａ）発生事象の推定
例えば、上述の実施形態では、先ず、対象センサの類似事象を判定し、近傍センサのうち、この類似事象の事例データ２０との「類似」を判定したセンサノードの数をもとに、類似事象を発生事象として確定することにした。これを、各センサノードの計測データ１０それぞれについて、事例データ２０との相関演算を行って類似事象を個別判定し、個別判定したセンサノード毎の類似事象のうち、最多の類似事象を発生事象とするとしても良い。

（Ｂ）発生事象の信頼度
また、上述の実施形態では、発生事象の判定の信頼度を、センサノードの全数Ｎのうち、発生事象との「類似」を判定したセンサノードの数に基づく値としたが、これを、計測データ１０と事例データ２０との相関値に基づく値としても良い。具体的には、例えば、「類似」と判定したセンサノードそれぞれの、計測データ１０と事例データ２０との相関値の平均値としたり、或いは、全てのセンサノードそれぞれの、計測データ１０と事例データ２０との相関値の平均値とする。

（Ｃ）類似判定
また、センサノードの計測データ１０と事例データ２０との相関演算を行う際に、計測データ１０のうち、相関が高いと推定されるデータ部分についてのみ事例データ２０との相関演算を行うこととしても良い。具体的には、例えば、「列車の通過」という事象についての類似判定を行う際には、列車ダイヤから得られる列車の通過時刻を基準とする前後所定時間（例えば、±２分）の範囲のデータ部分について、この「列車の通過」という事象に対応する事例データ２０との類似判定を行う。

（Ｄ）関連して生じる複数の事象
また、関連して生じる複数の事象については、一つの事象の発生が確定されると、続けて、関連する他の事象についても、同様に、発生したかを推定することにしても良い。例えば、図２に示した例では、「列車の通過」という外部事象の後、続けて、この「列車の通過」に起因する「自由振動」という事象（関連事象）が生じる。

具体的には、予め、時間的な前後関係とし相互に関連する複数の事象を対応付けた事象関連データを記憶しておく。そして、データ管理処理（図１２参照）において、対象センサについて、発生事象の確定、イベントメタデータの付加、及び、新たな事例データとして事例ＤＢ２４０への追加登録を行った後（ステップＡ１〜Ａ２７）、続けて、関連事象が生じたか否かの判定を行う。すなわち、事象関連データにおいて、先に確定した発生事象に関連するとして定められている他の事象（関連事象）を特定し、対象センサ及び近傍センサそれぞれの計測データと、関連事象の事例データとの類似判定を行って、関連事象が生じていたか否かを判定する。そして、関連事象が発生したと判定したならば、対象センサ及び近傍センサそれぞれの計測データ中の該当するデータ部分に関連事象に関するイベントメタデータを付加するとともに、この該当するデータ部分を、関連事象の新たな事例データとして事例ＤＢ２４０へ追加登録する。このように、関連する事象相互の関係を定めておくことで、発生事象の推定やイベントメタデータの付加が一層効率的となる。

（Ｅ）外部事象
また、上述の実施形態では、外部事象として「列車の通過」を例に挙げて説明したが、これに限らず、例えば、工事や保守点検、補修作業といった外部事象についても同様である。

（Ｆ）監視対象物
また、上述の実施形態では、センサネットワークの監視対象物として「橋梁」を例に挙げて場合を説明したが、これに限らず、例えば「トンネル」といった対象物についても同様である。また、センサノードに搭載されているセンサを振動センサとしたが、照度センサや温度センサ、ひずみセンサ等、監視対象物に応じた種類のセンサとすることができる。また、鉄道に限らず、例えば、自動車道路のトンネルや橋等の構造物についても、同様に適用可能である。

１センサネットワークシステム
Ｓセンサノード、Ｒ中継ノード、Ｇゲートウェイ
３管理サーバ
１０計測データ、１２類似データ部分
２０事例データ
１００データ管理装置
１１０処理部、１２０操作入力部、１３０表示部、１４０通信部
２００記憶部
２１０データ管理プログラム
２２０計測値ＤＢ、２３０計測値管理ＤＢ、２４０事例ＤＢ

Claims

コンピュータに、移動体の通行に係る構造物の各所に配置された多数のセンサノードによって構成されたセンサネットワークの各センサノードの計測データを管理させるためのプログラムであって、
外部事象毎に当該外部事象が発生したときのセンサノード個別の計測データを事例データとして記憶した事例データベースを参照して、前記センサネットワークを構成するセンサノード個別の計測データに適合する外部事象を発生事象として推定する個別推定手段、
前記個別推定手段により推定されたセンサノード個別の発生事象とセンサノードの配置位置関係に基づく計測時間差とに基づいて、発生事象を総合判定する総合判定手段、
前記総合判定手段により総合判定された発生事象を、前記センサネットワークを構成するセンサノードそれぞれの計測データに対応付けて記憶部に記憶させる発生事象対応付け手段、
として前記コンピュータを機能させ、
前記個別推定手段が、
前記センサネットワークを構成する一部のセンサノードの計測データについて発生事象を推定し、当該発生事象に対応する事例データと他のセンサノードの計測データとを比較して、当該推定された発生事象の妥当性を判定する妥当性判定手段を有し、
前記妥当性判定手段により妥当と判定された場合に、前記他のセンサノードの計測データについて同一の発生事象と推定する、
プログラム。
前記発生事象対応付け手段が、
前記個別推定手段により推定されたセンサノード個別の発生事象とセンサノードの配置位置関係に基づく計測時間差とに基づいて、各センサノードの計測データのうちから前記総合判定された発生事象に係るデータ部分を抽出する抽出手段を有し、
前記抽出手段により抽出されたデータ部分に前記総合判定された発生事象を対応付けて前記記憶部に記憶させる、
請求項１に記載のプログラム。
前記妥当性判定手段が、前記一部のセンサノードと前記他のセンサノードとの位置関係に基づく計測時間差に従って、前記他のセンサノードの計測データのうちから前記妥当性の判定対象部分を抽出して、前記妥当性の判定を行う、
請求項１又は２に記載のプログラム。
前記個別推定手段による推定結果を用いて、前記総合判定手段により総合判定された発生事象に対する信頼度を算出する信頼度算出手段として前記コンピュータを機能させるための請求項１〜３の何れか一項に記載のプログラム。
移動体の通行に係る構造物の各所に配置された多数のセンサノードによって構成されたセンサネットワークの各センサノードの計測データを管理する計測データ管理装置であって、
外部事象毎に当該外部事象が発生したときのセンサノード個別の計測データを事例データとして記憶した事例データベースを参照して、前記センサネットワークを構成するセンサノード個別の計測データに適合する外部事象を発生事象として推定する個別推定手段と、
前記個別推定手段により推定されたセンサノード個別の発生事象とセンサノードの配置位置関係に基づく計測時間差とに基づいて、発生事象を総合判定する総合判定手段と、
前記総合判定手段により総合判定された発生事象を、前記センサネットワークを構成するセンサノードそれぞれの計測データに対応付けて記憶部に記憶させる発生事象対応付け手段と、
を備え、
前記個別推定手段が、
前記センサネットワークを構成する一部のセンサノードの計測データについて発生事象を推定し、当該発生事象に対応する事例データと他のセンサノードの計測データとを比較して、当該推定された発生事象の妥当性を判定する妥当性判定手段を有し、
前記妥当性判定手段により妥当と判定された場合に、前記他のセンサノードの計測データについて同一の発生事象と推定する、
計測データ管理装置。