JP2018173938A - 時刻推定システム、センサ、サーバ、時刻推定方法、及びプログラム - Google Patents

Abstract

【課題】センサが取得したセンサデータの取得時刻を推定することができる時刻推定システム、センサ、サーバ、時刻推定方法、及びプログラムを提供する。
【解決手段】時刻推定システムは、デバイスＩＤを伴う情報を取得するセンサ１０と、センサ１０からセンサデータを受信し、センサ１０がセンサデータを取得したデータ取得時刻を推定するサーバ２０とを備える。
【選択図】図３

Description

本発明は、時刻推定システム、センサ、サーバ、時刻推定方法、及びプログラムに関し、特に、時刻同期機能を備えないセンサからのデータが不安定な通信を経て収集される場合における時刻推定技術に関する。

近年、Wi-Fiパケットセンサを用いた人流解析が行われている（非特許文献１参照）。非特許文献１には、Wi-Fiパケットセンサを都市の多地点に設置し、群衆をセンシングすることにより、人や交通の流動を把握できることが記載されている。

森本 哲郎、他３名、Wi-Fiパケットセンサを用いた人流解析と可視化、［online］、DEIM Forum 2015 F8-3、［平成29年2月27日検索］、インターネット〈http://db-event.jpn.org/deim2015/paper/82.pdf〉

しかしながら、非特許文献１に開示されるセンサは、それぞれが独立しており、時刻同期機能を備えていない。センサにＧＰＳを搭載すれば時刻同期をとることは可能となるが、センサが高価になってしまう問題がある。非特許文献１の「2.1 Probe Request と位置情報」の欄には、「Wi-Fiパケットセンサは、このProbe Requestを受信し、それに含まれる一意なアドレスであるMacアドレスと任意の地理情報、タイムスタンプを関連付けたデータを生成する。座標等の地理情報とタイムスタンプを関連付けることで、GPS等と同様に位置情報として扱うことが可能である。」と記載されているものの、通信経路が安定していない場合、センサデータの取得時刻を精度よく把握することは困難である。

本発明は、上述した従来の技術に鑑み、センサが取得したセンサデータの取得時刻を推定することができる時刻推定システム、センサ、サーバ、時刻推定方法、及びプログラムを提供することを目的とする。

上記目的を達成するため、第１の態様に係る発明は、センサからデータを収集する場合に時刻を推定する時刻推定システムであって、デバイスＩＤを伴う情報を取得する前記センサと、前記センサからセンサデータを受信し、前記センサが前記センサデータを取得したデータ取得時刻を推定するサーバとを備えることを要旨とする。

第２の態様に係る発明は、第１の態様に係る発明において、前記サーバが、前記センサデータを蓄積するデータベースを備え、前記センサデータを前記データベースに蓄積したデータ蓄積時刻を補正することにより前記データ取得時刻を推定することを要旨とする。

第３の態様に係る発明は、第２の態様に係る発明において、前記センサと前記サーバとの間で前記センサデータを中継する中継器を備え、前記サーバが、次式に基づいて前記データ取得時刻を推定することを要旨とする。

データ取得時刻＝Ｔ−（Ｔ_０＋δ_１＋δ_２＋δ_３）＋t
Ｔは、前記サーバが前記センサデータを前記データベースに蓄積したデータ蓄積時刻、
Ｔ_０は、前記センサが前記センサデータの移行に要した時間、
δ_１は、前記センサが前記センサデータの送信に要した時間、
δ_２は、前記中継器が前記センサデータの送信に要した時間、
δ_３は、前記サーバが前記センサデータの移行に要した時間、
ｔは、前記センサが前記センサデータを取得した時の時刻カウンタの値である。

第４の態様に係る発明は、第１の態様に係る時刻推定システムが備えるセンサであることを要旨とする。

第５の態様に係る発明は、第１〜第３のいずれか１つの態様に係る時刻推定システムが備えるサーバであることを要旨とする。

第６の態様に係る発明は、センサからデータを収集する場合に時刻を推定する時刻推定方法であって、前記センサが、デバイスＩＤを伴う情報を取得するステップと、サーバが、前記センサからセンサデータを受信するステップと、前記サーバが、前記センサが前記センサデータを取得したデータ取得時刻を推定するステップとを有することを要旨とする。

第７の態様に係る発明は、第１の態様に係る時刻推定システムが備えるセンサとしてコンピュータを機能させるプログラムであることを要旨とする。

第８の態様に係る発明は、第１〜第３のいずれか１つの態様に係る時刻推定システムが備えるサーバとしてコンピュータを機能させるプログラムであることを要旨とする。

本発明によれば、センサが取得したセンサデータの取得時刻を推定することができる時刻推定システム、センサ、サーバ、時刻推定方法、及びプログラムを提供することが可能である。

本発明の実施の形態に係る人流解析システムが人流データを取得する方法を説明するための概念図である。 本発明の実施の形態に係る人流解析システムのシステム構成図である。 本発明の実施の形態に係る人流解析システムの機能ブロック図である。 本発明の実施の形態に係る人流解析システムのシーケンス図である。 ＬＰＷＡネットワークを活用したシステムのシステム構成図である。 本発明の実施の形態に係る時刻推定システムの応用分野を示す概念図である。

以下、本発明の実施の形態について図面を参照して詳細に説明する。なお、以下の実施の形態は、この発明の技術的思想を具体化するための時刻推定システムとして人流解析システムを例示するが、本時刻推定システムの用途は人流解析に限定されるものではない。また、以下でいう「人流」という用語には、人の流動という意味はもちろん、交通の流動など、人に関係する流動の全てが含まれるものとする。

（人流データの取得方法）
以下、本発明の実施の形態に係る時刻推定システムの応用例として人流解析システムを例示して説明する。もちろん、本時刻推定システムの用途は人流解析に限定されるものではなく、時刻を推定することが必要な様々なシステムに応用することが可能である。

図１は、本発明の実施の形態に係る人流解析システムが人流データを取得する方法を説明するための概念図である。Ｗｉ−Ｆｉパケットセンサ等のセンサ１０を用いた人流解析には、スマートフォン２のＭＡＣアドレス情報を利用する。データ取得に向けては、プライバシーに配慮した「技術的な措置」とデータ取得の目的等の周知を行う「広報的な対応」が必要となる。

具体的には、図１に示すように、人１がＷｉ−Ｆｉ設定ＯＮのスマートフォン２を所持しているものとする。また、多数のセンサ１０が多地点に設置されているものとする。Ｗｉ−Ｆｉ設定ＯＮのスマートフォン２からは、Probe Requestパケットが自動的に送信される。このProbe Requestには、スマートフォン２が持っている固有のデバイスＩＤ（ＭＡＣアドレス）が含まれている。そこで、センサ１０は、Probe Requestを受信し、ＭＡＣアドレスを取得し、ＭＡＣアドレスを元に戻せない形式のデータに変換（ハッシュ化）する安全管理措置を行い、変換後は元データを消去する。例えば、ＭＡＣ値（40:b:8:37:d4:48:aa）をハッシュ化して変換値（a3:83）に変換する。サーバ２０は、各地点からの収集データを集合データとして扱うための統計的な処理を行い、人流を解析する。人流解析結果を出力した後は消去するようになっている。

センサ１０とサーバ２０との間の通信には、ＬＰＷＡ（Low Power、Wide Area）を利用するのが望ましい。ＬＰＷＡは、ＩｏＴ（Internet of Things）向けの新たな通信規格であり、バッテリー消費量が極めて少なく、一つの基地局で広いエリアをカバーすることができる。

（人流解析システムの概要）
図２は、本発明の実施の形態に係る人流解析システムのシステム構成図である。この人流解析システムは、人流を解析するシステムであって、図２に示すように、センサ１０と、中継器３０と、サーバ２０とを備える。センサ１０は、デバイスＩＤを伴う情報（例えば、Probe Request）を第１の無線通信（例えば、Ｗｉ−Ｆｉ通信）で取得する図１に示すようなＷｉ−Ｆｉパケットセンサ等である。中継器３０は、センサ１０からセンサデータを第２の無線通信（例えば、ＬＰＷＡ通信）で受信するゲートウェイ等である。中継器３０の数は特に限定されるものではない。サーバ２０は、中継器３０からセンサデータを有線通信で受信し、センサ１０がセンサデータを取得したデータ取得時刻を推定し、人流を解析するクラウドサーバ等である。もちろん、プライバシーに配慮した「技術的な措置」とデータ取得の目的等の周知を行う「広報的な対応」を実施するようになっているが、これらの処理は本発明の主眼とするところではないため、ここでは詳しい説明を省略する。

ところで、多地点に設置された多数のセンサ１０は、それぞれが独立しており、時刻同期機能を備えていない。センサ１０にＧＰＳを搭載すれば時刻同期をとることは可能となるが、センサ１０が高価になってしまう問題がある。そこで、本発明の実施の形態に係る人流解析システムでは、以下に説明するように、時刻同期機能を備えないセンサ１０が取得したセンサデータの取得時刻を推定する方法を採用している。

（人流解析システムの詳細）
図３は、本発明の実施の形態に係る人流解析システムの機能ブロック図である。

センサ１０は、センサデータ蓄積部１１と、送信データ蓄積部１２と、時刻カウンタ１３と、センサ部１４と、データ送受信部１５とを備える。センサ部１４は、Probe Requestを受信し、ＭＡＣアドレスを取得する。時刻カウンタ１３は、時刻をカウントする。センサデータ蓄積部１１は、センサ部１４によって取得されたＭＡＣアドレスと時刻カウンタ１３によってカウントされた時刻とを関連付け、センサデータとして蓄積する。送信データ蓄積部１２は、センサデータ蓄積部１１に蓄積されたセンサデータを送信するときに利用される送信用のキューである。データ送受信部１５は、例えば５分などの一定間隔で、送信データ蓄積部１２に蓄積された送信データ（センサデータ）を中継器３０に送信する。

中継器３０は、データ送受信部３１を備える。データ送受信部３１は、センサ１０からセンサデータを受信し、受信したセンサデータをサーバ２０に送信する。

サーバ２０は、データベース２１と、時刻同期部２２と、データ送受信部２３とを備える。データ送受信部２３は、中継器３０からセンサデータを受信する。データベース２１は、データ送受信部２３によって受信されたセンサデータを蓄積する。時刻同期部２２は、データベース２１に蓄積されたセンサデータの時刻同期をとる。具体的には、センサデータをデータベース２１に蓄積したデータ蓄積時刻を補正することにより、センサ１０がセンサデータを取得したデータ取得時刻を推定するようになっている。

（シーケンス）
図４は、本発明の実施の形態に係る人流解析システムのシーケンス図である。

まず、センサ１０の時刻カウンタ１３がリセットされ（ステップＳ１）、センサデータが取得されるたび、センサデータ蓄積部１１にセンサデータが蓄積される（ステップＳ２）。次いで、例えば５分などの一定間隔で、センサデータ蓄積部１１から送信データ蓄積部１２にセンサデータが移行され（ステップＳ３）、センサデータ蓄積部１１のセンサデータがリセットされ（ステップＳ４）、時刻カウンタ１３がリセットされる（ステップＳ５）。以降は、上記と同様の処理を繰り返す（ステップＳ６→・・・）。

一方、送信データ蓄積部１２に蓄積された送信データは、中継器３０に送信され（ステップＳ７→Ｓ８）、中継器３０を経由してサーバ２０に受信される（ステップＳ１１→Ｓ１２→Ｓ１５）。サーバ２０に受信されたセンサデータは、データベース２１に蓄積され（ステップＳ１６→Ｓ１８）、後述する手法により、センサ１０がセンサデータを取得したデータ取得時刻が推定される（ステップＳ１９→Ｓ２０）。また、サーバ２０にセンサデータが受信されると、中継器３０を経由してセンサ１０にＡＣＫが返され（ステップＳ１７→Ｓ１３→Ｓ１４→Ｓ９）、送信データ蓄積部１２の送信データがリセットされる（ステップＳ１０）。

（データ取得時刻の推定方法）
以下、図４のステップＳ２０に示されるデータ取得時刻の推定方法を詳細に説明する。

まず、センサ１０の時刻カウンタ１３がリセットされてからセンサデータ蓄積部１１にセンサデータが蓄積されるまでの時間をｔとする（ステップＳ２参照）。言い換えると、ｔは、センサ１０がセンサデータを取得した時の時刻カウンタ１３の値である。

また、センサ１０の時刻カウンタ１３がリセットされてからセンサデータ蓄積部１１のセンサデータが送信データ蓄積部１２に移行されるまでの時間をＴ_０とする（ステップＳ３参照）。言い換えると、Ｔ_０は、センサ１０がセンサデータの移行に要した時間である。

また、センサ１０の送信データ蓄積部１２にセンサデータが蓄積されてから中継器３０に送信されるまでの時間をδ_１とする（ステップＳ８参照）。言い換えると、δ_１は、センサ１０がセンサデータの送信に要した時間である。

また、中継器３０にセンサデータが受信されてからサーバ２０に送信されるまでの時間をδ_２とする（ステップＳ１２参照）。言い換えると、δ_２は、中継器３０がセンサデータの送信に要した時間である。

また、サーバ２０にセンサデータが受信されてからデータベース２１に移行されるまでの時間をδ_３とする（ステップＳ１６参照）。言い換えると、δ_３は、サーバ２０がセンサデータの移行に要した時間である。

また、サーバ２０のデータベース２１にセンサデータが蓄積された時刻をＴとする（ステップＳ１９参照）。言い換えると、Ｔは、サーバ２０がセンサデータをデータベース２１に蓄積したデータ蓄積時刻である。

ここで、サーバ２０の時刻同期部２２は、“データ取得時刻＝Ｔ−（Ｔ_０＋δ_１＋δ_２＋δ_３）＋t”に基づいて、センサ１０がセンサデータを取得したデータ取得時刻を推定する。これにより、サーバ２０が管理する絶対時が基準となるため、多地点に設置された多数のセンサ１０の時刻カウンタ１３が同期していなくても、各センサ１０が取得したセンサデータの取得時刻を推定することができる。その結果、各センサ１０にＧＰＳを搭載する必要もなく、安価に且つ精度よく人流を把握することが可能となる。

（その他の応用例）
以下、本発明の実施の形態に係る時刻推定システムの応用例について説明する。

図５は、ＬＰＷＡネットワーク１００を活用したシステムを示している。この図に示すように、ＬＰＷＡネットワーク１００は、センサ収容ＧＷ４０を有するアクセスネットワーク１０１と、中継サーバ群５０を有するコアネットワーク１０２とで形成されている。センサ収容ＧＷ４０は、センサ１０からセンサデータを受信するゲートウェイである。中継サーバ群５０は、インターネット２００への接続を中継するサーバ群であり、データ記憶部５１、認証機能部５２、端末・回線管理部５３等を有する。

本発明の実施の形態に係る時刻推定システムは、このようなＬＰＷＡネットワーク１００を活用したシステムに応用することができる。センサ収容ＧＷ４０及び中継サーバ群５０は、図２でいう中継器３０に相当する。センサ１０が取得するデータの種別や、サーバ２０側でデータを活用（解析）する方法などは、用途に応じて適宜変更することが可能である。

図６は、本発明の実施の形態に係る時刻推定システムの応用分野を示している。この図に示すように、ＬＰＷＡネットワーク１００と各種ＩｏＴデバイス・センサ等を組み合わせることで、多彩な分野におけるＩｏＴ活用シーンを創出することができる。ここでいう各種ＩｏＴデバイス・センサは、図５でいうセンサ１０に相当する。センサ１０からのセンサデータは、ＬＰＷＡネットワーク１００及びインターネット２００を介してサーバ２０で収集可能となっている（図５参照）。

図６に示すように、「農業」の分野では、センサ１０が水位データを取得し、サーバ２０が水位データに応じた水管理の遠隔操作、機器メンテナンスを行うようにしてもよい。また、「交通」の分野では、センサ１０が交通量データを取得し、サーバ２０が交通量データに応じた交通量観測、自動車トラッキングを行うようにしてもよい。また、「街灯管理」の分野では、センサ１０が通行量データを取得し、サーバ２０が通行量データに応じた照明管理、遠隔操作を行うようにしてもよい。また、「ゴミ収集」の分野では、センサ１０がゴミの蓄積量データを取得し、サーバ２０がゴミの蓄積量データに応じた効率的な収集を行うようにしてもよい。また、「見守り」の分野では、センサ１０が子どもや高齢者等の位置データを取得し、サーバ２０が位置データに応じた子どもや高齢者等の見守りを行うようにしてもよい。また、「防災」の分野では、センサ１０が環境データを取得し、サーバ２０が環境データに応じた被害状況の収集（土砂くずれ、浸水等）を行うようにしてもよい。また、「水道」の分野では、センサ１０が水道使用量データを取得し、サーバ２０が水道使用量データに応じた遠隔検針、漏水検査を行うようにしてもよい。また、「ガス」の分野では、センサ１０がガス使用量データを取得し、サーバ２０がガス使用量データに応じた診断情報の収集、遠隔開閉栓を行うようにしてもよい。

本発明の実施の形態に係る時刻推定システムは、人流解析の分野だけでなく、「農業」「交通」「街灯管理」「ゴミ収集」「見守り」「防災」「水道」「ガス」といった多彩な分野におけるＩｏＴ活用シーンに応用することができる。これにより、これらのＩｏＴ活用シーンにおいて、多地点に設置された多数のセンサ１０の時刻カウンタ１３が同期していなくても、各センサ１０が取得したセンサデータの取得時刻を推定することができる。その結果、各センサ１０にＧＰＳを搭載する必要もなく、安価に且つ精度よく、「農業」「交通」「街灯管理」「ゴミ収集」「見守り」「防災」「水道」「ガス」といった多彩な分野でデータ活用（解析等）を行うことが可能となる。このような多彩な分野の中でも、特に、各センサ１０が取得したセンサデータをそのデータの順序に従って処理することが必要な分野に応用するのが有効である。

（まとめ）
以上説明したように、本発明の実施の形態に係る時刻推定システムは、センサからデータを収集する場合に時刻を推定する時刻推定システムであって、デバイスＩＤを伴う情報を取得するセンサ１０と、センサ１０からセンサデータを受信し、センサ１０がセンサデータを取得したデータ取得時刻を推定するサーバ２０とを備える。これにより、サーバ２０が管理する絶対時が基準となるため、多地点に設置された多数のセンサ１０の時刻カウンタ１３が同期していなくても、各センサ１０が取得したセンサデータの取得時刻を推定することができる。

具体的には、サーバ２０は、センサデータを蓄積するデータベース２１を備え、センサデータをデータベース２１に蓄積したデータ蓄積時刻を補正してもよい。これにより、データ蓄積時刻を補正するという簡単な方法で時刻同期をとることができる。

また、センサ１０とサーバ２０との間でセンサデータを中継する中継器３０を備え、サーバ２０は、“データ取得時刻＝Ｔ−（Ｔ_０＋δ_１＋δ_２＋δ_３）＋t”に基づいてデータ取得時刻を推定してもよい。Ｔは、サーバ２０がセンサデータをデータベース２１に蓄積したデータ蓄積時刻、Ｔ_０は、センサ１０がセンサデータの移行に要した時間、δ_１は、センサ１０がセンサデータの送信に要した時間、δ_２は、中継器３０がセンサデータの送信に要した時間、δ_３は、サーバ２０がセンサデータの移行に要した時間、ｔは、センサ１０がセンサデータを取得した時の時刻カウンタ１３の値である。これにより、通信経路が安定していない場合でも、データ取得時刻を精度よく推定することができる。

また、本発明の実施の形態に係る時刻推定方法は、センサ１０からデータを収集する場合に時刻を推定する時刻推定方法であって、センサ１０が、デバイスＩＤを伴う情報を取得するステップと、サーバ２０が、センサ１０からセンサデータを受信するステップと、サーバ２０が、センサ１０がセンサデータを取得したデータ取得時刻を推定するステップとを有する。これにより、サーバ２０が管理する絶対時が基準となるため、多地点に設置された多数のセンサ１０の時刻カウンタ１３が同期していなくても、各センサ１０が取得したセンサデータの取得時刻を推定することができる。

また、本発明は、このような時刻推定システムとして実現することができるだけでなく、このような時刻推定システムが備えるセンサやサーバとして実現したり、このようなセンサやサーバとしてコンピュータを機能させるプログラムとして実現したりすることもできる。そして、そのようなプログラムは、ＣＤ−ＲＯＭ等の記録媒体やインターネット等の伝送媒体を介して配信することができるのはいうまでもない。

１０…センサ
１１…センサデータ蓄積部
１２…送信データ蓄積部
１３…時刻カウンタ
１４…センサ部
１５…データ送受信部
２０…サーバ
２１…データベース
２２…時刻同期部
２３…データ送受信部
３０…中継器
３１…データ送受信部

Claims (8)

1. センサからデータを収集する場合に時刻を推定する時刻推定システムであって、
   デバイスＩＤを伴う情報を取得する前記センサと、
   前記センサからセンサデータを受信し、前記センサが前記センサデータを取得したデータ取得時刻を推定するサーバと
   を備えることを特徴とする時刻推定システム。
2. 前記サーバは、前記センサデータを蓄積するデータベースを備え、前記センサデータを前記データベースに蓄積したデータ蓄積時刻を補正することにより前記データ取得時刻を推定することを特徴とする請求項１に記載の時刻推定システム。
3. 前記センサと前記サーバとの間で前記センサデータを中継する中継器を備え、
   前記サーバは、次式に基づいて前記データ取得時刻を推定することを特徴とする請求項２に記載の時刻推定システム。
   データ取得時刻＝Ｔ−（Ｔ_０＋δ_１＋δ_２＋δ_３）＋t
   Ｔは、前記サーバが前記センサデータを前記データベースに蓄積したデータ蓄積時刻、
   Ｔ_０は、前記センサが前記センサデータの移行に要した時間、
   δ_１は、前記センサが前記センサデータの送信に要した時間、
   δ_２は、前記中継器が前記センサデータの送信に要した時間、
   δ_３は、前記サーバが前記センサデータの移行に要した時間、
   ｔは、前記センサが前記センサデータを取得した時の時刻カウンタの値である。
4. 請求項１に記載の時刻推定システムが備えるセンサ。
5. 請求項１〜３のいずれか１項に記載の時刻推定システムが備えるサーバ。
6. センサからデータを収集する場合に時刻を推定する時刻推定方法であって、
   前記センサが、デバイスＩＤを伴う情報を取得するステップと、
   サーバが、前記センサからセンサデータを受信するステップと、
   前記サーバが、前記センサが前記センサデータを取得したデータ取得時刻を推定するステップと
   を有することを特徴とする時刻推定方法。
7. 請求項１に記載の時刻推定システムが備えるセンサとしてコンピュータを機能させるプログラム。
8. 請求項１〜３のいずれか１項に記載の時刻推定システムが備えるサーバとしてコンピュータを機能させるプログラム。

Images