JP6548107B2 - Sensor Network Pause Control System - Google Patents

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 Document 1, the basic concept is to perform control based on the location information of the resident in the smart house. That is, first, position information of the resident is acquired, and while the sensor of the room in which the resident is present continues to be activated, all the sensors in the room in which the resident is not present are put into the inactive state. As a result, the power consumption can be reduced according to the amount of the sensor that has been paused.

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 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, 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.

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 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.

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 rest 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 showing an example in case a house as surveillance space is constituted by 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 allocated the sensor to each target object in a house, respectively. 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 idle 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 explaining processing operation when a plurality of sensors detect 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 flow chart which shows a processing flow of a stop control system of a sensor network to which the present 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 in verifying the effect of the rest control system of the sensor network to which the present 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 in verifying the effect of the rest control system of the sensor network to which the present 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。   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 pause control system 1 to which the present invention is applied. The rest control system 1 of the sensor network comprises each object 11 installed in the house 3 and a sensor network 2 consisting of a set of sensors 21 for determining the state of each object 11. In addition, the pause control system 1 includes a sensor data central station 4 for receiving sensor data from a plurality of houses 3 in which such sensor networks 2 are respectively disposed, and the sensor data central station 4 via a broadband circuit. 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 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 house 3 is provided with a target object 11 to be monitored, including home appliances and lighting devices, bath peripheral devices, supply ports for water and electricity, furniture, and the like. Incidentally, the house 3 may be configured as a smart house. A smart house is a so-called energy saving home that can be controlled to optimize energy consumption in the home using information technology (IT), and an energy monitoring system (Home Energy Management) that is an energy monitoring system for home use. System) 22 has been introduced. FIG. 2 shows an example where 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 amount of energy consumption in the home based on the information on each object 11 detected via the sensor network 2, and manages and controls the operation of the home appliance based thereon. In addition, the energy management system 22 can control the information related to the consumption of energy in the home, the management of the home appliance, and the control information as shown in FIG. 1 via the WSN (Wireless Sensor Network) and other house 3 and sensor data Transmit to centralizing station 4. The energy consumption monitored by the energy management system 22 may be made visible to the residents by displaying it on a 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 the information transmitted from the houses 3, aggregates them as necessary, analyzes them, 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 for determining the state of an object, and for example, an infrared sensor for determining whether there is a resident or opening and closing of a door, temperature of indoor air, temperature in a refrigerator, etc. Temperature sensor for measuring, sensing device for determining the operating state of home appliances, illuminance sensor for determining whether the light is attached or not, water meter for determining whether the water is used or not Etc. That is, the sensor 21 may adopt any form as long as it can determine the state of the object. The sensors 21 are individually and individually assigned to one object 11.

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 sensor 21 is assigned to each object 11 in the house 3. For example, although the object 11a is a toilet, the sensor 21a for detecting the state of the toilet is assigned. Further, although the object 11b is a bathroom, a sensor 21b for detecting the state of the bathroom is assigned. Although the object 11c is an IH cooking heater in the kitchen, 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. Although the object 11 f is a bed, a sensor 21 f for detecting the state of the bed is assigned. Although the object 11g is a front door, 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。   The sensors 21 a to 21 g are arranged in a node shape in the houses 3, and the sensor network 2 is formed by these sensors. And the detection information of each sensor 21a-21g which comprises this sensor network 2 will be integrated by the energy management system 22 connected to each. Further, the energy management system 22 can also control the sensor network 2 and, consequently, 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 of the assigned object 11 is a significant state (hereinafter, Valuable Event: VE) or a non-significant state (hereinafter, Negligible Event: NE), and the determination result is an energy management system. Send to 22 At this time, the sensor 21 transmits the determination result to the energy control system 22 only when the VE is detected, and in the case of the NE, it is not necessary to transmit the determination result to the energy control system 22 in particular. Alternatively, it may be transmitted that it is an NE. Incidentally, the discrimination result of this VE or NE is transmitted to another house 3 or the sensor data aggregation station 4 through the energy management system 22, and further to the cloud computing system 5 through the sensor data aggregation station 4. It will be sent. That is, the discrimination 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 the VE occurs and the NE occurs. Of course, special reports may not be 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。   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 _bed in the sensor 21 monitors the state of the bed, and when it detects that the resident sleeps in the bed, it recognizes this as VE. In addition, except for the state in which the resident sleeps in a bed, all are 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。 S _seat in the sensor 21 is for detecting the state of the chair as the object 11. The _seat in the sensor 21 monitors the state of the chair, and when it detects that the resident is sitting on the chair, this will be recognized as VE. In addition, except for the state where the resident is sitting in a chair, any one will be 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。 The S _maindoor in the sensor 21 is for detecting 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 when it detects that the front door is open, it recognizes it as a VE. Further, except for the state in which the front door is open, in other words, any state in which 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。 The S _shower in the sensor 21 detects the state of the shower as the object 11. The S _shower in the sensor 21 monitors the use state of the shower, and when it detects a state in which the shower is being used by a resident, it recognizes this as a VE. Also, except for the state in which the shower is used by the residents, 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。 S _TV in the sensor 21 is for detecting the state of the television receiver as an object 11. S _TV in the sensor 21 monitors the usage state of the television receiver, when detecting a state in which the television receiver is being used by the residents, would recognize this as VE. In addition, except for the state in which the television receiver is being used by the residents, 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 as the object 11. The S _microwave in the sensor 21 monitors the use state of the microwave, and when the power of the microwave is detected as ON, it is recognized as VE. In addition, when the power of the microwave oven is detected other than ON, that is, the OFF state, 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 is for detecting the refrigerator status as the object 11. S _Fridge in the sensor 21 monitors the refrigerator use, when the power supply of the refrigerator detects a state to ON, would recognize this as VE. In addition, when the power of the refrigerator is other than ON, that is, when the 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 optionally set the detection condition of VE when detecting the state of the bed as the same object 11. For example, even if the resident is not sleeping in the bed, S _bed may simply recognize that VE is within a radius of about 3 m from the bed as VE, and the other as NE. Also, for example, the _SFridge may recognize that the refrigerator is vacant as VE, and may 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 in the room, 16 ° C. to 30 ° C., which is the optimum temperature for living a resident, is recognized as NE. It may be recognized as VE when the temperature is below 16 ° C., which is too low for the elderly to live a resident, or above 30 ° C., when the temperature is too high for the elderly. Of course, the temperature range for recognizing these VE and NE can be freely set.
As described above, when the VE set for each sensor 21 is detected, the energy management system 22 or the cloud computing system 5 manages and utilizes it as valuable and useful information.

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 pause control system 1 to which the present invention is applied will be described. In order to execute the processing operation of the pause control system 1, as shown in FIG. 4, in addition to the sensor network 2, a control unit 10 is required. 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. Also, 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 by one unit or flow. Further, the division of processing performed in the logical correlation matrix generation block 6 and the control block 7 is not limited to that described below, 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, acquisition of learning data is performed. Acquisition of learning data detects whether the object 11 is VE or NE through the sensor 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, S _{bed bed} in the sensor 21, S _shower, shows an example of obtaining the actual learning data for S _TV. “1” in Table 2 indicates that the data of VE is detected, and “0” in Table 2 indicates that the data of NE is detected. The data obtained from the sensor 21 is, for example, temperature or humidity, illuminance, amount of electricity used, ON or OFF of home appliances, sensitivity of an infrared sensor, etc. In order to display in, by representing by "1" or "0", it unifies and displays, and improves the efficiency of calculation of the logical correlation in a latter part.

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 learning data is acquired for each sensor 21 divided into four times of time slot 1 to time slot 4. In each time slot, the time of obtaining the learning data, S _{bed bed,} S _{shower shower,} is the same time each other between S _TV in the sensor 21. Although the number of times of acquisition of learning data is four in the example of Table 2, it is not limited to this, and may be any number of times of acquisition. The learning accuracy is preferably improved as the number of times of acquisition of the learning data is increased. Further, the acquisition of learning data is not limited to the case where the process ends after acquiring data for a predetermined number of time slots, 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 manner 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 performs analysis in the logical correlation matrix generation block 6 to obtain 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, data acquired from various sensors 21 is preprocessed on the learning data obtained first (preprocessing step S11). In this pre-processing, data for learning as shown in Table 2 obtained is converted into a vector. In this vector conversion, S _{shower shower,} when cited S _TV as an example, to display these learning data copied to the vector C _{shower shower,} a C _TV. Table 3 is an example of this C _shower and C _TV . After this vector conversion is completed, the pre-processing 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, 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。 S _{shower shower} in the sensor 21, that the S _TV has detected both the NE in the same time slot, S _{shower shower} in the sensor 21, which means that the logical correlation is not mutually between S _TV. 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 at all even if such a line is deleted, and it becomes possible to reduce the entire calculation processing amount 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 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.

・・・・・・・・・・・・（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, 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）

... (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。 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 sensors 21 shown in Table 1, for example, a logical correlation matrix between all the sensors 21 can be 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 mutually positive logical correlations. That is, when VE in the object 11 is detected by one sensor 21 in past learning, it indicates that the frequency in which VE is detected in the object 11 by the other sensor 21 is high. For example, a positive correlation between VE of S _bed and S _seat indicates that the resident is sleeping in bed and the frequency in which the resident is sitting on a chair is high. There is. In addition, the correlation of VE of S _TV and S _seat is positive because the television receiver is on and the frequency at which the resident is sitting at the same time is high, especially the correlation coefficient. Since 1 is 1, it is shown 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 mutually negative logical correlations. That is, in the past learning, when VE is detected for the object 11 by one sensor 21, VE is not detected for the object 11 by the other sensor 21, in other words, NE is detected. It indicates that the frequency is high. For example, a negative correlation between S _bed and S _shower 's VE indicates that the resident sleeps in bed and the frequency with which a shower is used at the same time is low. . Also, the negative correlation between VE of S _seat and S _shower indicates that the resident is sitting on a chair and the frequency with which a shower is used at the same time is low.

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 sensors 21. Then, when the two sensors 21 simultaneously detect VE, 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. In addition, when one of the sensors 21 detects VE, if it is not clear which of the other sensors detects VE or NE, that is, if the correlation coefficient is close to 0, logical correlation It is judged 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 may be merely 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 a logical correlation matrix shown in Table 7, S _TV, S _shower is a logical correlation coefficient is 0, when the capacitors 21 is detecting VE, other sensor detects any VE, the NE It is not clear whether or not there is a logical correlation. However, even in such a case, the threshold is set, and if it is equal to or more than the threshold, it is determined that the logical correlation is positive, and if it is smaller than the threshold, it is determined that the logical correlation is negative. For example, if the threshold value is −0.3, it is determined that the logical correlation is positive even if the logical correlation coefficient is 0. Note that this threshold 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 thus generated 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 thereon.

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 each sensor 21 has received a VE. As a result, the sensor 21 that has received the NE is excluded from the processing flow. Then, when it is determined from the sensor 21 that the one object 11 is the VE, the other object 11 is placed on the other object 11 based on the correlation in the logical correlation matrix acquired in advance. Control the state of the sensor 21 of

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, 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 sensor 21 is VE. To have a negative correlation between the S _bed from the results of prior learning, S _shower, a S _TV. In other words than prior learning, in the case S one object that has been detected by the _bed 11 (bed) is VE, S _shower, other objects have been detected by the S _TV 11 (shower, a television receiver) The frequency of being NE is overwhelmingly high. State of such a case S one object is detected by the _{bed bed} 11 at the time of (bed) is detecting VE, S _{shower shower,} the other object by S _TV 11 (shower, television) Even if it continues to detect, in the end it can not detect VE and only NE can detect it. In other words, at the time when one object 11 which is detected by the S _{bed bed} (bed) is detecting VE, S _{shower shower,} other objects 11 (shower, television) by S _TV detection 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. Therefore, the control block 7 performs such S _{shower shower,} controlled to be dormant for S _TV sensor 21 having a negative correlation between the S _{bed bed.} Accordingly, the S _{shower shower,} in amount that can be dormant for S _TV sensor 21, it becomes possible to reduce the power used in the system.

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。 When it is determined that S _bed in the sensor 21 is VE, it is S _seat that has a positive correlation with this. That is, according to prior learning, when one object 11 (bed) detected by S _bed is VE, the frequency at which another object 11 (chair) detected by S _seat is VE is overwhelming. High. In such a case, when one object 11 (bed) detected by S _bed detects VE, from there unless the detection of the other object 11 (chair) is continued by S _seat. It becomes impossible to detect VE. For this reason, the control block 7 controls the sensor 21 of S _seat that has a positive correlation with such S _bed to keep starting up without being in the sleep state. As a result, it is possible to maintain the detection accuracy basically required as 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 already have a logical correlation matrix of Table 8, in the case where that S _TV in the sensor 21 is VE is determined likewise other sensors S _bed, S _shower, S _The processing operation is performed based on the correlation acquired in advance with the _seat . From the results of prior learning to have a negative correlation between the S _TV is a S _bed. For this reason, at the time the object 11 one that has been detected by the S _TV (the television receiver) has detected the VE, is useless to continue to the detection of other objects 11 (bed) by S _bed The power required for starting 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, it is possible to reduce the power used in the present system as much as the sensor 21 of this S _bed can be put to sleep.

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. Once the object 11 one being detected by S _TV in such a case where (television receiver) is detecting VE, unless continued to detection of other object 11 (chair) by S _seat , It will become impossible to detect VE from there. 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. As a result, it is possible to maintain the detection accuracy basically required as 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 For example, it is determined that the logical correlation is positive, and if it is less than the threshold value, it is determined that the logical correlation is negative. For example, if the threshold value is −0.3, it is determined that the logical correlation is positive even if the logical correlation coefficient is 0.

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 sensors 21 that have detected VE, only the other sensors 21 having positive correlation continue to be activated for the sensors 21 in all the rows that make up the logical correlation matrix in Table 8. It becomes possible to pause other sensors 21 having other negative correlations.

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 other sensors 21 having positive correlation in a relationship with the one sensor 21 that has detected VE. The detection accuracy basically required as the sensor 21 can be maintained. Moreover, the power required for starting 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 the 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, the power required to activate the sensor can be effectively reduced without depending on the location information of the resident. For this reason, the target 11 such as a home appliance such as a washing machine or a microwave may be in another room while the resident is operating while operating the sensor 21 as needed. Since the detection can be continued via this, it is possible to prevent the detection omission. 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.

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 other sensor 21 having a positive correlation coefficient with one sensor 21 has a positive correlation, and a correlation coefficient with one sensor 21. Although it is determined that all other sensors 21 having a negative correlation have a negative correlation, the present invention is not limited to this. It is judged that the correlation coefficient is a positive correlation with x or more (x is a number from 0 to 1), and the correlation coefficient is a negative correlation with y or less (y is a number from 0 to -1) The effect may be determined. Incidentally, x and y mentioned here may be freely settable on the user side or the 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。   Furthermore, in the above-described example, the sensors are broadly classified and other sensors 21 having positive correlation, other sensors 21 having negative correlation, and no special correlation in relation to one sensor 21 detecting VE. Although the case where the other sensors 21 are roughly classified into three stages and different control is performed according to each is described, it 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 the 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 which detected VE is grade A or more and less than -0.5 as grade A, grade B or more -0.5 or more and less than 0.2, grade B, -0.2 Grade C, 0.2 or more and less than 0.5 grade D, 0.5 or more and 1 or less may be classified into five grades of grade E. That is, they are ranked in grades A to E in ascending order of correlation. Then, the power used for the other sensors 21 is lowered as the grade A is approached. As a result, since the power used for the sensor 21 can be gradually reduced from the sensor 21 having a low correlation, it is possible to balance the reduction of the power and the detection accuracy.
According to the present invention, the state of another sensor 21 installed on another object 11 is controlled based on the correlation between the significant state and the non-significant state between the respective objects 11 acquired in advance. As long as it is a thing, what is the specific content of the control may be what.

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 one sensor that has detected VE are paused, and all the sensors 21 not subject to the pauses. It may be determined that VE may be detected and the activation may be continued.

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 sensor network 2 receives the latest sensor data, as the sensor 21 which detects the VE, S _A, S _B, even when a plurality of S _C is present at the same time Similarly, other sensors 21 negatively correlated with the plurality of sensors 21 are selected. For example, three sensors S _E , S _F , and S _G are selected as the sensor 21 having a high negative correlation with the three sensors 21 (S _A , S _B , and S _C ). These S _E , S _F and S _G are selected if there is at least one negative correlation with the sensor 21 (S _A , S _B and S _C ). Then, the selected S _E , S _F and S _G are paused. On the other hand, the sensors 21 (S _D , S _H ) not selected 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 process flow of the sensor network pause control system 1 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. 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 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 VE can be detected for each of the sensors 21 constituting the sensor network 2. As a result, when there is no sensor 21 that detects VE, the process returns to step S22 again. On the other hand, when there is the 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。 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（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 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, the S _MB in the sensor 21 has already entered the pause state. In this phase, it is determined whether r (S _MA , S _MB ) ≦ α. 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 31 to detect VE with S _MB relative to S _MB Continue hibernation. 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, it is necessary to improve the detection accuracy by continuing the detection of the VE necessary for the S _MB without omission by activating the S _MB for the S _MB which has detected the VE. In this case, the process proceeds to step S30, where the S _MB is activated from hibernation.

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, S _MA is S _{bed bed,} when the S _MB is assumed to be S _{shower shower,} in step S30, from this S _{shower shower} select a different other S _TV, again Returning to step S24, the same process is repeated. When the determination of all the other sensors 21 is completed for the S _bed line, the process proceeds to step S26. In the step S26, the process proceeds to the next S _MA. From S _MA is S _{bed bed} as referred in Table 8, the process proceeds to S _{shower shower} other different row, then returns to step S23, and repeats the same processing. This makes it possible to control the sensor 21 for all that constitutes the logical correlation matrix.

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 rest control system 1 of the sensor network is not limited to the case where the sensor network is disposed in the house 3, and any other one may be monitored. Also in the case where the area other than the house 3 is to be monitored, it is possible to configure the sensor network 2 in which the sensor 21 is installed for every object 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 that is positively correlated with one sensor 21 is already in the inactive state, control may be performed to start the sensor 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。   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 control block 7. 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 all the other objects 11 have a negative correlation with S _{bed in} advance learning, all other sensors are detected as a VE by S _bed when the resident goes to bed. Let 21 be in the inactive state. As a result, while the resident goes to bed, the power consumption can be reduced by pausing the other sensors 21. Further, while the resident goes to bed, there is almost no opportunity for the VE to be detected by the other sensors 21. Therefore, even if all of them are stopped, there is no particular problem in terms of detection accuracy.

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, 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 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 stop control of the sensor 21 according to the lifestyle habits of the residents.

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 suspension control system 1 of the sensor network 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. " 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 sensor 21 is performed according to the position information of the resident. In this method, all the sensors in the room where the resident is operating, and all the sensors in the other rooms are paused. In Comparative Example 2 other than the example of the present invention, the sensor is always activated without 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 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 sensor 21, and the vertical axis is the value of VHR. From the results, the inventive example and the comparative example 2 had high VHR values and the detection accuracy was excellent. On the other hand, in Comparative Example 1, the value of VHR was low particularly for the toilet because it depends 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 stopped, and as a result, the 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 is the type of each sensor 21, and the vertical axis is the value of APR. In the example of the present invention, the power consumption can be reduced most, followed by the comparison examples 1 and 2.

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 sensors 21 in the room where the resident is activated are all activated. For this reason, it is shown that power consumption can be reduced more than Comparative Example 2. On the other hand, in the example of the present invention, the sensor 21 may be paused based on the more detailed correlation among the plurality of sensors 21 in the room where the resident is present. For this reason, it has been shown that the power consumption in the case of the whole system can be reduced more than that of Comparative Example 1.

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 Reference Signs List 1 pause control system 2 sensor network 3 house 4 sensor data collecting station 5 cloud computing system 6 logical correlation matrix generation block 7 control block 10 control unit 11 object 21 sensor 22 energy control system 23 smart meter

Claims (5)

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 . 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 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. 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 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.

Images