JP6548107B2 - Sensor Network Pause Control System - Google Patents
Sensor Network Pause Control System Download PDFInfo
- Publication number
- JP6548107B2 JP6548107B2 JP2015007081A JP2015007081A JP6548107B2 JP 6548107 B2 JP6548107 B2 JP 6548107B2 JP 2015007081 A JP2015007081 A JP 2015007081A JP 2015007081 A JP2015007081 A JP 2015007081A JP 6548107 B2 JP6548107 B2 JP 6548107B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- correlation
- state
- sensor network
- significant state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
- Mobile Radio Communication Systems (AREA)
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 is a sensor network that detects the state of each object via a sensor installed for each object in a monitoring space, and the sensor network pauses suitable for reducing the power required to activate 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 homes are in widespread use, which are controlled to optimize energy consumption in the home using information technology (IT). In this smart house, each object such as home appliances, lighting devices, bath peripherals, water and electricity supply ports, furniture, etc. are connected by a network, and each target is managed via an energy management system (Home Energy Management System). Visualize the operating status of objects. In the smart house, energy management of each object can be managed and controlled automatically through an energy management system. When actually grasping the operating status of each of these objects via the energy management system, a sensor is installed for each of the objects, and the information detected from each sensor is effectively used.
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 object in the smart house and the operation status of the object is monitored by constantly activating the sensor, the power consumed by the sensor will be large in that amount. The power cost will be excessive. For this reason, it was necessary to reduce these electric power costs by streamlining the use of the electric power accompanying starting of a sensor. In addition to this, since the main concept of the smart house is an energy saving house, there are cases where it is necessary to use renewable energy obtained through solar power generation etc. within a limited range, or in advance. It may be necessary to supply power only through a limited battery. For this reason, there is an increasing demand for techniques for reducing the power consumed by sensors.
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 studies have been conducted on a method of reducing the power consumption of the sensor in the energy management system (see, for example, Non-Patent Document 1). In the technology disclosed in this Non-Patent
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 technology disclosed in Non-Patent
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, the 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 resides is activated and the sensors in the other rooms are paused, it is not possible to detect the energy usage of the home appliance that is 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。 Second, when it is intended to detect the position information of the resident by, for example, the GPS (Global Positioning System) etc., it may be difficult to detect the position information with high accuracy by the GPS, especially when the resident is inside 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。 Third, direct use of location information in the smart house of the resident is not desirable from the viewpoint of the privacy of the resident.
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 made in view of the above-mentioned problems, and the object of the present invention is to set each object via a sensor installed in a monitoring space such as in 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 basically required as a sensor is maintained. It is another object of the present invention to provide a sensor network pause control system capable of realizing high-speed digitalization 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、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に近づけることにより、又は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。 According to a first aspect of the present invention, there is provided a sensor network pause control system comprising: a sensor network in which a sensor capable of determining whether an object is in a significant state or a non-significant state is installed for every object in the monitoring space; When it is determined from one sensor in the network that one object is in the significant state, another object is selected based on the correlation between the significant state and the non-significant state between the respective objects acquired in advance. Control means for controlling the state of other sensors installed for the sensor network, the sensor network performing one or more times to simultaneously determine whether each object is in the significant state or in the non-significant state And the control means, based on the determination result by the sensor network, more closely approximates a positive correlation between the two objects when both are in a significant state. The present invention is characterized in that the above correlation is obtained in advance by bringing the correlation closer to a negative correlation between the objects when any one of the objects is in an insignificant state .
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。 The pause control system for a sensor network according to a second aspect of the present invention is the sensor network pause control system according to the first aspect, wherein the control means determines in advance that one target object is in a significant state from one sensor in the sensor network. Based on the correlation of the significant state and the non-significant state between the respective acquired objects, the other sensor installed for the other object negatively correlated with the one object is made to be in the inactive state. It is characterized in that it controls.
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1又は第2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 the sensor network pause control system according to the third aspect of the present invention, in the first or second aspect, the control means is provided for another object which is positively correlated with the one object. It is characterized by controlling so that a sensor may continue starting.
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。 In the sensor network pause control system according to the fourth invention, in the second invention, the sensor network installs the sensor for each of three or more objects in the monitoring space, and the control means It is characterized by listing other sensors installed for other objects negatively correlated with the object, and controlling any other listed sensors to be in a resting state .
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1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。 In the sensor network pause control system according to the fifth invention, in the first invention, the sensor network is installed in a house as the monitoring space, and each object as equipment installed in the house is in a significant state, Or simultaneously performing the determination as the non-significant state one or more times, and the control means is in a significant state together between different objects based on the determination result by the sensor network from a plurality of the houses In the case where the correlation between the objects is made closer to positive, and the correlation between the fixtures is made more negative if either one is in an insignificant state, the above correlation is obtained 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, it is possible to detect the significant state without omission by continuing to activate at least the other sensors having positive correlation in relation to the one sensor detecting the significant state. Detection accuracy can be maintained. In addition, the power required to activate the sensor can be effectively reduced by pausing other sensors that are negatively correlated with the one sensor that has detected the 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, the power required to activate the sensor can be effectively reduced without depending on the location information of the resident. For this reason, there may be cases where the resident is in another room while operating an object such as a home appliance such as a washing machine or a microwave, but such an object is also detected through a sensor as needed. It is possible to prevent detection omissions. In addition, it is not necessary to detect the position information of the resident by, for example, GPS or the like, and no problem occurs from the viewpoint of the privacy of the resident.
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。 Hereinafter, an embodiment of a sensor network pause control system 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
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 services provided by a server present on a network and the like, and is one of the usage forms of computers based on the Internet. Although there are hardware and software entities in the cloud in FIG. 1 showing the cloud computing system 5, they can be used without being aware of their contents. Such a cloud computing system 5 is generally provided by a cloud provider in many cases, and by consigning processing by contract or the like, one or more information processing apparatuses (computers) are used for the purpose. It becomes possible to execute processing.
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
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 the information transmitted from the
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
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 the
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。
The
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
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。 Here, VE or NE can be freely set on the user side or the 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Sbed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Sbed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
センサ21におけるSseat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Sseat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。
S seat in the
センサ21におけるSmaindoor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Smaindoor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。
The S maindoor in the
センサ21におけるSshower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Sshower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。
The S shower in the
センサ21におけるSTV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STV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。
S TV in the
センサ21におけるSmicrowave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Smicrowave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
センサ21におけるSFridge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SFridge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
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Sbed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SFridge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
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
As described above, when the VE set for each
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
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
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, acquisition of learning data is performed. Acquisition of learning data detects whether the
表2は、センサ21におけるSbed、Sshower、STV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, S bed bed in the
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Sbed、Sshower、STV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 learning data is acquired for each
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
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
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、Sshower、STV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Cshower、CTVにより表示する。表3は、このCshower、CTV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
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、Cshower、CTV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, processing is performed to delete the line of "0" in the two vectors to be compared with each other. In the example of Table 3, since the top row in C shower and C TV is both “0”, this row is deleted (see Table 4).
センサ21におけるSshower、STV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Sshower、STV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Sshower、STV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。
S shower shower in the
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Cshower、CTV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 a normalization step S13. In this normalization step S13, vector normalization is performed. In practice, normalization is performed by substituting the vectors C shower and C TV filtered in step S12 into the following equation.
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, the first stage from the top is i = 1, the second stage from the top is i = 2, and the third stage from the top is i = 3. Further, E (C) of the equation (2) is an average value of the vector C. K is the number of time slots after filtering, which 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。 Substituting E (C) into the vector data (2) of Table 4 and E (C), and substituting SD (C) into Eq. (3). Finally, the normalized vector C i is determined by substituting the obtained E (C) and SD (C) into the equation (1). Table 5 shows an example of the calculated 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 to calculate logical correlation. The logical correlation is calculated by substituting the normalized vector obtained in step S13 into the following equation (4).
(4)式には、表5におけるCshower、CTV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(Sshower、STV)を求めることができる。表6は、このようにしてSshower、STV、Sbed間において論理相関係数を求めた例を示している。 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 determined among S shower , S TV and S bed in this manner.
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 performing the processing operation of step S11 to step S14 described above among all the
この論理相関行列では、例えばSbed,Sseat間や、STV,Sseat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、Sbed,Sseat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STV,Sseat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 mutually positive logical correlations. That is, when VE in the
また、この論理相関行列では、例えばSbed,Sshower間や、Sseat,Sshower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、Sbed,Sshower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Sseat,Sshower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 mutually negative logical correlations. That is, in the past learning, when VE is detected for the
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 determined for all combinations between the two
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 may be merely to determine the correlation between the two
例えば表7に示す論理相関行列において、STV,Sshower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 a logical correlation matrix shown in Table 7, S TV, S shower is a logical correlation coefficient is 0, when the
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
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
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
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Sbed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Sbedとの間で負の相関を持つのは、Sshower、STVである。つまり事前学習より、Sbed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、Sshower、STV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Sbed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、Sshower、STV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、Sbed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、Sshower、STV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Sshower、STV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Sbedとの間で負の相関を持つSshower、STV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Sshower、STV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, in the case where the control block has already acquired the logical correlation matrix in Table 8 below, it is considered that it is determined that S bed in the
また、センサ21におけるSbed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、Sseatである。つまり事前学習より、Sbed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、Sseat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Sbed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、Sseat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Sbedとの間で正の相関を持つSseat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。
When it is determined that S bed in the
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STV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Sbed、Sshower、Sseat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STVとの間で負の相関を持つのはSbedである。このため、STV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、Sbed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Sbed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STVとの間で負の相関を持つSbed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Sbed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 already have a logical correlation matrix of Table 8, in the case where that S TV in the
また、センサ21におけるSTV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、Sseatである。かかる場合にはSTV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、Sseat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STVとの間で正の相関を持つSseat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
センサ21におけるSTV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Sshower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
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 all the
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。
That is, according to the present invention, VE detection can be performed without omission by continuing to start at least the
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, the power required to activate the sensor can be effectively reduced without depending on the location information of the resident. For this reason, the
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 example described above, it is determined that any
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。
Furthermore, in the above-described example, the sensors are broadly classified and
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
According to the present invention, the state of another
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
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、SA、SB、SC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(SA、SB、SC)と負の相関の高いセンサ21として、SE、SF、SGの3つを選択するものとする。これらSE、SF、SGは、センサ21(SA、SB、SC)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SE、SF、SGを休止させる。一方、選択されなかったセンサ21(SD、SH)については、起動の対象とする。
Further, as shown in FIG. 5, when the
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 process flow of the sensor network
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. The details of this step S21 are as described in the above-mentioned steps S11 to S14.
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, in step S22, the
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SMAという。
Next, the process proceeds to step S23, and it is determined whether VE can be detected for each of the
次にステップS24へ移行し、制御ブロック6は、SMA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SMAとは異なる他のセンサ21(SMB)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SMA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
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(SMB)がアクティブか否かを判別する。その結果、このセンサ21(SMB)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。 At step S25, it is determined whether the other sensor 21 (S MB ) detected at step S24 is active or not. As a result, if the sensor 21 (S MB ) is in operation, the process proceeds to step S27. If the sensor 21 (S MB ) is not in operation but not in operation, the process proceeds to step S28.
ステップS27へ移行した場合には、センサ21(SMA)と、センサ21(SMB)との相関係数r(SMA、SMB)を上述したような論理相関行列から参照する。そして、r(SMA、SMB)≦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(SMA、SMB)≦αであれば、SMBとSMB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SMBに対してSMBを休止状態に制御する。これに対して、r(SMA、SMB)≦αでなければ、SMBとSMB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SMBに対してSMBを動作させ続けることにより、SMB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、SMB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 above-described logical correlation matrix. 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 set freely on the user side or the system side. If r (S MA , S MB ) ≦ α, it is determined that S MB and S MB have a negative correlation with each other, and the process proceeds to step S 29 to detect S MB for S MB for which VE is detected. Control to dormant state. On the other hand, if r (S MA , S MB ) ≦ α, it is determined that S MB and S MB have positive correlation 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, and the operation is continued without stopping the S MB . Also, after the operation of step S29 is completed, the process proceeds to step S30.
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SMBは、休止状態に入っている。このフェーズにおいて、r(SMA、SMB)≦αであるか否かを判別する。r(SMA、SMB)≦αであれば、SMBとSMB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SMBに対してSMBの休止状態を継続させる。これに対して、r(SMA、SMB)≦αでなければ、SMBとSMB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SMBに対してSMBを起動させることにより、SMB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、SMBを休止状態から起動させる。
On the other hand, when the process proceeds to step S28, the S MB in the
ステップS30に移行した場合には、SMBと比較をする他のセンサ21のうち、SMB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、SMAがSbedであり、SMBがSshowerであると仮定した場合に、このステップS30では、このSshowerとは異なる他のSTV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、Sbed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SMAに移行する。表8でいうところのSMAがSbedから、他の異なる行のSshower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
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
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 that is positively correlated with one
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。
Further, in the present invention, steps for obtaining a logical correlation matrix based on learning data are not essential. That is, the logical correlation matrix as described above is created in advance inside or outside the present system, and such correlation matrix is obtained by the time control is actually performed by the
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Sbed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Sbed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
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、SbedとSTV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SbedによりVEとして検出した際には、STV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、STV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, the residents having the habit of watching TV in bed, at the time of the pre-learning, S bed and S TV and there is often a positive correlation with each other. 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
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, a simulation performed to verify the operation and effect of the
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. " The sensing data collected from the real environment of the smart house was acquired and numerical calculation was 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。
The comparative example 1 other than the example of the present invention adopts a sensor control method (LSSM) according to the position information. In this LSSM, all control of the
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 of this simulation, a detection rate (VHR) of VE and an active time rate (APR) of a sensor. VHR is a probability of detecting a generated VE. That is, this VHR represents the detection accuracy. Also, (APR) is a ratio of the sensor's active time to the entire evaluation time zone. That is, this APR represents the energy consumption amount of sensing. In Comparative Example 2, both VHR and APR become 1 in order to always start the sensor without stopping it at all.
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 is the type of each
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 is the type of each
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, the plurality of
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
Claims (5)
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、
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に近づけることにより、又は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 an object is in a significant state or a non-significant state is installed for every object in the monitoring space;
When it is determined from the one sensor in the sensor network that the one object is in the significant state, another object is obtained based on the correlation between the significant state and the non-significant state between the respective objects acquired in advance. Control means for controlling the state of other sensors installed on the object;
The sensor network executes one or more times to simultaneously determine whether each object is in the significant state or the non-significant state.
The control means is configured to make the correlation between the objects closer to a positive correlation when the two objects are both in the significant state based on the determination result by the sensor network, or between the objects. A sensor network pause control system, characterized in that the correlation is obtained in advance by bringing the correlation closer to a negative correlation between the objects when one is in an insignificant state .
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 the one sensor in the sensor network that the one object is in the significant state, the control means is based on the correlation between the significant state and the non-significant state between the respective objects acquired in advance. The sensor network according to claim 1, wherein another sensor installed for another object negatively correlated with the one object is controlled to be inactive. Control system.
を特徴とする請求項1又は2記載のセンサネットワークの休止制御システム。 3. The control method according to claim 1 or 2 , wherein the control means controls to keep activating another sensor installed for another object positively correlated with the one object. Sensor Network Pause Control System.
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 each of three or more objects in the monitoring space,
The control means may list other sensors installed for other objects that are negatively correlated with the one object, and put any other sensors listed in the inactive state. Control system according to claim 2 , characterized in that it is controlled.
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1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 a non-significant state.
The control means more closely approximates the correlation between the objects when the different objects are both in a significant state based on the determination result by the sensor network from the plurality of houses, and one of the control means The sensor network suspension control system according to claim 1 , wherein the correlation is obtained in advance by making the correlation between the fixtures more negative in the non-significant state.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015007081A JP6548107B2 (en) | 2015-01-16 | 2015-01-16 | Sensor Network Pause Control System |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015007081A JP6548107B2 (en) | 2015-01-16 | 2015-01-16 | Sensor Network Pause Control System |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016133915A JP2016133915A (en) | 2016-07-25 |
JP6548107B2 true JP6548107B2 (en) | 2019-07-24 |
Family
ID=56464343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015007081A Active JP6548107B2 (en) | 2015-01-16 | 2015-01-16 | Sensor Network Pause Control System |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6548107B2 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6481787B1 (en) * | 2018-02-14 | 2019-03-13 | オムロン株式会社 | Device selection apparatus, data set selection apparatus, device selection method and program |
JP2020087007A (en) * | 2018-11-27 | 2020-06-04 | 株式会社日立製作所 | Setting device, system and setting method of cloud service |
JP6778970B1 (en) * | 2020-03-10 | 2020-11-04 | 株式会社堀内機械 | Remote condition monitoring device for hydraulic cylinder |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5881979B2 (en) * | 2011-06-27 | 2016-03-09 | セイコーインスツル株式会社 | Terminal device and communication system |
-
2015
- 2015-01-16 JP JP2015007081A patent/JP6548107B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016133915A (en) | 2016-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11739968B2 (en) | Controlling an HVAC system using an optimal setpoint schedule during a demand-response event | |
AU2019204048B2 (en) | Controlling an hvac system during demand response events | |
JP6491193B2 (en) | Generation and implementation of building thermodynamic models | |
US20180034657A1 (en) | Method and System of Monitoring Appliance Usage | |
US9100207B2 (en) | Systems, devices, and methods for mapping devices to realize building automation and energy management | |
Clement et al. | Detecting activities of daily living with smart meters | |
US10979962B2 (en) | Wireless system configuration of master zone devices based on signal strength analysis | |
JP6548107B2 (en) | Sensor Network Pause Control System | |
Firth et al. | Decision support systems for domestic retrofit provision using smart home data streams | |
KR20180125780A (en) | Method for controlling home IoT by using home gateway | |
US10721518B2 (en) | Set-top box with interactive features and system and method for use of same | |
US20220103888A1 (en) | Thermostat with interactive features and system and method for use of same | |
US20220103889A1 (en) | Thermostat with interactive features and system and method for use of same | |
KR20170135422A (en) | Method for controlling home IoT by using residential gateway | |
Islam et al. | Prototype Design and Development of a Smart Home | |
Hassan | DECISION SUPPORT SYSTEMS FOR DOMESTIC RETROFIT PROVISION USING SMART HOME DATA STREAMS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190107 |
|
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: 20190528 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190614 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6548107 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |