センサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラム
【課題】 センサネットワークシステムにおいて、高精度（高分解能）のセンサデータを収集し、かつ通信ネットワークや、センサデータの処理装置の輻輳を抑制する。
【解決手段】 センサノード１が、検出したセンサ情報が全体の精度（分解能）に与える影響を算出する寄与度算出手段１２３を備える。そして、一斉に多量のデータを送信して輻輳が発生することのないように、算出した寄与度に応じて、第１の通信手段１２１が、センサ情報を送信する。
【解決手段】 センサノード１が、検出したセンサ情報が全体の精度（分解能）に与える影響を算出する寄与度算出手段１２３を備える。そして、一斉に多量のデータを送信して輻輳が発生することのないように、算出した寄与度に応じて、第１の通信手段１２１が、センサ情報を送信する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、センサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラムに関し、特に高精度（高分解能）のセンサ情報収集機能と輻輳抑制機能とを有するセンサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラムに関する。
【背景技術】
【０００２】
部屋や建物などに設置された複数のセンサが検出した情報を収集するための手段として、センサネットワークがある。センサネットワークは、事象を検出して送信するセンサノードを含む。
【０００３】
そして、センサが検出した情報の精度（分解能）を向上させるために、センサノードが情報を送信する間隔を短くして、時間分解能を向上させる装置（例えば、特許文献１参照。）や、情報を送信するセンサノードの空間密度を高くして、空間分解能を向上させる方法がある。
【０００４】
また、同一事象を観測するセンサノード全てが一斉に多量の情報を送信してしまうという問題（応答集中問題）を回避するために、各センサノードが、センサノード毎に異なる遅延時間後に情報を送信するようにして、輻輳を回避する方法（例えば、特許文献２参照。）や、情報の送信を行うセンサノードをランダムに選択する方法（例えば、非特許文献１参照。）がある。
【０００５】
なお、マルコフ確率場についての説明が、非特許文献２に記載されている。
【０００６】
【特許文献１】特開昭５７−２０２１６１号公報 （図１）
【特許文献２】特開２００１−４５０２０号公報 （段落００２２〜００４１、図１）
【非特許文献１】Ｃ．Ｓｈｅｎ、外２名、「Ｓｅｎｓｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｎｅｔｗｏｒｋｉｎｇ Ａｒｃｈｉｔｅｃｔｕｒｅ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ」、ＩＥＥＥ Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ、アメリカ合衆国、ＩＥＥＥ、２００１年８月、ｐ．５２−５９
【非特許文献２】田中和之、「画像修復に対する周辺ゆう度最大化によるハイパパラメータ推定のクラスタ変分法を用いた理論的検討」、電子情報通信学会論文誌（Ａ）、ｖｏｌ．Ｊ８３−Ａ、ｎｏ．１０、ｐ．１１４８−１１６０、２０００年１０月
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかし、特許文献１に記載されている装置のように、センサノードが情報を送信する間隔を短くしたり、センサノードが送信する情報の空間分解能を向上させるために、センサノードの空間配置密度を高くしたりすると、同一事象を観測したセンサノード全てが一斉に多量のデータを送信するという応答集中問題が発生する。そして、通信ネットワークが輻輳してしまったり、データを受信する受信側の情報処理能力を超えてしまったりする可能性がある。
【０００８】
その理由は、従来の技術では、トラフィック量を増大させずにセンサノードが送信する情報の精度（分解能）を向上させることができないためである。
【０００９】
また、特許文献２に記載されている方法や、非特許文献１に記載されている方法は、同一事象を観測するセンサノード全てが一斉に多量のデータを送信することを避けるために、センサデータの送信制御として、例えば、送信時のランダム遅延時間挿入や、データを送信するセンサノードのランダムな取捨選択を行う。そのため、単位時間当たりの情報通信量が減少したり、情報を送信するセンサノードの数が減少したりするため、情報の精度（分解能）が低下する可能性がある。
【００１０】
その理由は、従来のセンサネットワークシステムでは、センサが送信する情報の精度（時間分解能および空間分解能）を低下させずにトラフィックを低減することについて、何ら考慮されていないためである。
【００１１】
そこで、本発明は、精度（時間分解能および空間分解能）が高い情報を収集し、センサノードが送信した情報による輻輳を抑制することができるセンサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラムを提供することを目的とする。
【課題を解決するための手段】
【００１２】
本発明によるセンサネットワークシステムは、発生した事象を検出するセンサを含む複数のセンサノードと、センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムであって、センサノードは、センサが検出した事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する通信手段を含み、アプリケーション装置は、センサ情報分布を用いてセンサ情報を処理することを特徴とする。
【００１３】
センサノードの通信手段は、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど優先的にセンサ情報を送信してもよい。
【００１４】
センサノードは、センサが検出する事象をモデル化した事象モデルが設定され、事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を含み、通信手段は、寄与度算出手段が算出した寄与度に応じたタイミングで、センサ情報を送信してもよい。
【００１５】
センサノードの寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００１６】
センサノードの寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００１７】
センサノードは、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を含んでもよい。
【００１８】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含んでもよい。
【００１９】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含み、モデル決定手段は、推定手段に設定する事象モデルを、センサ情報分布にもとづいて決定し、サーバは、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定手段を含んでもよい。
【００２０】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、センサノードのモデル更新手段が更新する事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段とを含み、センサノードのモデル更新手段は、寄与度算出手段に設定されている事象モデルを、モデル決定手段が決定した事象モデルに変更してもよい。
【００２１】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含み、モデル決定手段は、推定手段に設定する事象モデルを決定し、サーバは、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定手段を含んでもよい。
【００２２】
サーバは、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信手段を含んでもよい。
【００２３】
アプリケーション装置は、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含んでもよい。
【００２４】
アプリケーション装置は、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含んでもよい。
【００２５】
本発明によるセンサノードは、発生した事象を検出するセンサを備えたセンサノードであって、センサが検出した事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じて、センサが検出した事象を示すセンサ情報を送信する通信手段を備えたことを特徴とする。
【００２６】
センサが検出する事象をモデル化した事象モデルが設定され、事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を備えてもよい。
【００２７】
寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００２８】
寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００２９】
寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を備えてもよい。
【００３０】
本発明によるセンサ情報収集装置は、発生した事象を検出するセンサ、およびセンサが検出した事象を示すセンサ情報を送信する通信手段をそれぞれ備えた複数のセンサノードに接続されたセンサ情報収集装置であって、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集手段を備えたことを特徴とする。
【００３１】
他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている、センサが検出する事象をモデル化した事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を備えてもよい。
【００３２】
センサノードに設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段を備えてもよい。
【００３３】
推定手段に設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段と、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定手段とを備えてもよい。
【００３４】
本発明による事象観測方法は、発生した事象を検出するセンサを含む複数のセンサノードと、センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムを用いた事象観測方法であって、センサが事象を検出する事象検出ステップと、センサノードの通信手段が、事象検出ステップでセンサによって検出された事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する情報送信ステップと、アプリケーション装置が、センサ情報分布を用いてセンサ情報を処理するセンサ情報処理ステップとを備えたことを特徴とする。
【００３５】
センサ情報送信ステップで、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど、センサノードの通信手段が優先的に送信してもよい。
【００３６】
センサが検出する事象をモデル化した事象モデルが設定されたセンサノードの寄与度算出手段が、事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出ステップを備えてもよい。
【００３７】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００３８】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００３９】
センサノードのモデル更新手段が、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新ステップを備えてもよい。
【００４０】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えてもよい。
【００４１】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えてもよい。
【００４２】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップと、モデル決定手段が、センサノードのモデル更新手段が更新する事象モデルを、センサ情報分布にもとづいて決定するモデル決定ステップとを備え、センサノードのモデル更新手段が、モデル更新ステップで、寄与度算出手段に設定されている事象モデルを、モデル決定手段がモデル決定ステップで決定した事象モデルに変更してもよい。
【００４３】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備え、モデル決定手段が、モデル決定ステップで、推定手段に設定する事象モデルを、センサ情報分布にもとづいて決定し、サーバのモデル設定手段が、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定ステップを備えてもよい。
【００４４】
サーバのセンサ情報分布送信手段が、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信ステップを備えてもよい。
【００４５】
アプリケーション装置のデータ収集手段が、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えてもよい。
【００４６】
アプリケーション装置の推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えてもよい。
【００４７】
本発明によるセンサノードプログラムは、発生した事象を検出するセンサを備えたコンピュータに搭載されるセンサノードプログラムであって、コンピュータに、センサが検出した事象を示すセンサ情報であって、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響が大きいセンサ情報ほど、優先的に送信する処理を実行させることを特徴とする。
【００４８】
本発明によるセンサ情報収集プログラムは、発生した事象を検出するセンサを備えた複数のセンサノードに接続され、センサが検出した事象を示すセンサ情報を受信するコンピュータに搭載されるセンサ情報収集プログラムにおいて、コンピュータに、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させることを特徴とする。
【発明の効果】
【００４９】
本発明によれば、センサノードの通信手段が、センサが検出した事象が、センサ情報分布に与える影響に応じたタイミングでセンサ情報を送信するため、センサノードが送信したセンサ情報による輻輳を抑制し、アプリケーション装置に、精度が高い情報を提供することができる。
【００５０】
センサノードの通信手段が、センサ情報分布に与える影響が大きいセンサ情報を優先的に送信するように構成されている場合には、アプリケーション装置に、精度が高い情報を提供することができる。
【００５１】
通信手段が、寄与度算出手段が算出した寄与度に応じたタイミングで、センサ情報を送信するように構成されている場合には、寄与度に応じて、アプリケーション装置に、精度が高い情報を提供することができる。
【００５２】
センサノードの寄与度算出手段が、センサが現在検出した事象や、過去に検出した事象、または他のセンサノードのセンサが検出した事象にもとづいて寄与度を算出するように構成されている場合には、時間的または空間的に隣接するセンサ情報にもとづいて寄与度を算出することができる。
【００５３】
寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を含むように構成されている場合には、センサノードが設置されている状況に応じて、事象モデルを更新することができる。
【００５４】
センサネットワークシステムがサーバを備え、サーバが、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段とを含むように構成されている場合には、一部のセンサ情報が欠損しても、センサ情報分布を修復することができる。
【００５５】
サーバが、センサノードのモデル更新手段が更新する事象モデルを決定するモデル決定手段を含むように構成されている場合には、センサ情報分布に応じて、寄与度算出手段に設定されている事象モデルを更新することができる。
【００５６】
アプリケーション装置が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含むように構成されている場合には、一部のセンサ情報が欠損しても、センサ情報分布を修復することができる。
【発明を実施するための最良の形態】
【００５７】
実施の形態１．
本発明の第１の実施の形態について、図面を参照して説明する。図１は、本発明によるセンサネットワークシステムの実施の形態の一構成例を示す説明図である。
【００５８】
本発明によるセンサネットワークシステムの第１の実施の形態は、部屋等に設置され、事象を検出して、検出した事象を示す情報であるセンサ情報を送信する複数のセンサノード１、センサノード１が送信したセンサ情報を受信するサーバ２、センサ情報を利用するアプリケーション装置３、およびセンサノード１とサーバ（センサ情報収集装置）２とアプリケーション装置３と接続する通信ネットワーク４を含む。
【００５９】
センサノード１は、センサ情報を、通信ネットワーク４を介してサーバ２に送信する。センサノード１は、例えば、小型で、消費電力が小さく電池で駆動し、部屋や建物、屋外等の空間に複数配置することができ、ＩＥＥＥ８０２．１１ｂ等による無線通信機能を有する。
【００６０】
なお、センサノード１は、例えば、ＩＥＥＥ８０２．１１ｂ等の無線通信を有するものとしているが、ＺｉｇＢｅｅ（登録商標）等の他規格の無線通信方式や、イーサネット（登録商標）等の有線通信等に対応していてもよい。また、センサノード１は、電池によって駆動されるものとしているが、本発明はこれに限定されるものではなく、他の電力供給方式によって駆動されてもよい。
【００６１】
サーバ２は、センサノード１から受信したセンサ情報を受信し、受信したセンサ情報の分布を、通信ネットワーク４を介してアプリケーション装置３に送信する。サーバ２は、一般に、シンク（ｓｉｎｋ）とも呼ばれ、センサ情報の受信と共に、複数のセンサノード１の管理や、アプリケーション装置３への情報提供等、ゲートウェイとしての役割を果たしてもよい。
【００６２】
アプリケーション装置３は、センサ情報を利用した種々のサービスを提供するための装置である。アプリケーション装置３は、例えば、受信したセンサ情報にもとづいて観測対象の部屋で発生した事象の分布情報を表示する「事象分布表示サービス」というサービスをユーザに提供する。
【００６３】
なお、アプリケーション装置３は、センサノード１が設置された空間の環境や、設備の監視を行い、センサ情報に応じてユーザに提供するサービスを変更してもよい。
【００６４】
通信ネットワーク４は、センサノード１、サーバ２、およびアプリケーション装置３を互いに接続する。通信ネットワーク４は、例えば、イーサネット等の有線通信方式や、無線ＬＡＮ等の無線通信方式で実現される。なお、センサノード１とサーバ２との間の通信ネットワークとして無線通信方式を採用し、サーバ２とアプリケーション装置３との間の通信ネットワークとしてイーサネットを採用するなど、通信ネットワーク４は、分離されていてもよい。
【００６５】
図２は、本発明によるセンサネットワークシステムの第１の実施の形態の一構成例を示すブロック図である。
【００６６】
センサノード１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成するセンサ１１と、センサ情報を送信する通信ノード１２とを含む。
【００６７】
センサ１１は、例えば、温度や照度等の物理量の測定や、映像データや音声データ等の取得、人や設備機器等の状態監視等を行い、事象を観測してセンサ情報を生成する機能を有する。
【００６８】
通信ノード１２は、センサ１１からセンサ情報を取得するセンサ入力手段１２４と、センサ情報の寄与度を算出する寄与度算出手段１２３と、寄与度にもとづいて送信制御を行う通信制御手段１２２と、センサ情報を送信する第１の通信手段１２１とを含む。
【００６９】
センサ入力手段１２４は、センサ１１とのインタフェースを有し、センサ１１が生成したセンサ情報を取得する。センサ入力手段１２４がセンサ情報を取得する方法は、情報のダウンロード型（プル型）であってもよいし、センサ１１が事象の発生を検出すると非同期にセンサ情報を受信する方式（プッシュ型）であってもよいし、他の方式であってもよい。センサ入力手段１２４がセンサ情報を取得する方式は、本発明の適用範囲を限定するものではなく、センサ１１の仕様や、特性、利用目的によって種々の方式で実現可能である。
【００７０】
寄与度算出手段１２３は、センサデータの寄与度を算出する。寄与度算出手段１２３は、一のセンサノードが生成したセンサ情報や、そのセンサノードが生成した過去のセンサ情報、他のセンサノードが生成したセンサ情報等に応じて、事象モデルにもとづいて寄与度を算出する。
【００７１】
なお、寄与度とは、アプリケーション装置３が受信するセンサ情報の分布（データ群）に対するセンサ情報の寄与を表す度合いであり、センサ情報の分布から、センサ情報の値が容易に予測・推定できる場合には小さい値（寄与度が低い）になり、予測・推定が困難な場合には寄与度が大きい値（寄与度が高い）になるような特性を有する。本発明では、この寄与度により、一のセンサ情報がセンサ情報の分布全体の精度（分解能）に与える影響度合いを測り、通信制御手段１２２が通信制御を行う。
【００７２】
また、事象モデルとは、観測対象の事象をモデル化したものを表す。すなわち、事象モデルとは、各センサ情報の値間の関係をあらわす数式や、センサ情報の値を確率変数とした場合の確率分布が満たす関係式等であり、センサネットワークシステムが観測対象とする事象やセンサノードの配置等にもとづいて、最適な事象モデルが設定される。そして、寄与度算出手段１２３は、事象は事象モデルにもとづいて発生するという仮説にもとづいて、寄与度を算出する。
【００７３】
通信制御手段１２２は、通信制御条件を保持し、寄与度と通信制御条件とにもとづいて通信制御手法を決定する。
【００７４】
なお、通信制御手法とは、遅延送信、送信中止、周期的送信等の送信タイミングを制御する手法を意味する。そして、寄与度と通信制御条件とから、センサ情報の精度の向上とトラフィック量の低減に最適な手法が選択・決定される。
【００７５】
そして、通信制御条件とは、通信制御手法およびそのパラメータを決定するためのアルゴリズムである。通信制御条件は、例えば、寄与度が大きいセンサ情報は通信制御手法として遅延送信が適用されて遅延時間が小さく設定され、寄与度が小さいセンサ情報は通信制御手法として遅延時間が適用されて遅延時間が大きく設定される。また、寄与度が極端に小さいセンサ情報は、送信しないように設定される。すなわち、寄与度が大きいセンサ情報が、優先的に送信される。なお、通信ネットワーク４の帯域やトラフィック等を通信制御条件として利用してもよい。
【００７６】
通信制御条件として、例えば、寄与度と所定の値とを比較して、寄与度が所定の値よりも大きければ小さい遅延時間を設定したり、優先的に送信したり、寄与度が所定の値よりも小さければ大きい遅延時間を設定したりする。そのように構成すれば、寄与度が大きいセンサ情報を、寄与度が小さいセンサ情報よりも優先して送信することができる。また、寄与度と比較する所定の値は、所定の式によって算出される値であってもよい。また、寄与度を所定の式に適用して算出した値と、所定の値やランダムな値等とを比較してもよい。
【００７７】
センサノード１の通信ノード１２の第１の通信手段１２１は、通信ネットワーク４を介して、センサ情報をサーバ２へ送信する。また、第１の通信手段１２１は、センサ情報だけでなく、寄与度、通信制御手法、およびそのパラメータ等の通信制御情報、測定時間、有効期限等の付加情報を送信してもよい。また、第１の通信手段１２１は、他のセンサノードが通信ネットワーク４を介して送信したセンサ情報を受信し、寄与度算出手段１２３に入力して寄与度の算出条件に利用させてもよい。また、第１の通信手段１２１は、通信ネットワーク４のトラフィック量を計測し、計測したトラフィック量を通信制御手段１２２に入力して、通信制御条件の１つとして利用させてもよい。
【００７８】
サーバ２は、センサ情報を受信する第２の通信手段２２１と、センサ情報を収集するデータ収集手段２２２と、アプリケーション装置３にセンサ情報の分布を示す情報を送信する第３の通信手段（センサ情報分布送信手段）２２４とを含む。
【００７９】
第２の通信手段２２１は、通信ネットワーク４を介して複数のセンサノード１からセンサ情報を受信する。
【００８０】
データ収集手段２２２は、第２の通信手段２２１が受信したセンサ情報を収集し、統計処理等が容易になるように配列等をメモリ等の記憶媒体に集合（センサ情報の分布）として保持・管理する。すなわち、データ収集手段２２２は、第２の通信手段２２１が受信したセンサ情報にもとづいて、センサ情報の分布を示す情報を生成する。以下、この集合（センサ情報の分布を示す情報）をセンサ情報分布という。第３の通信手段２２４は、センサ情報分布をアプリケーション装置３へ送信する。
【００８１】
アプリケーション装置３は、センサ情報分布を受信する通信手段３２１と、アプリケーションソフトウェアを実行するアプリケーション部３２８とを含む。
【００８２】
通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行する。
【００８３】
センサノード１は、コンピュータに、センサが検出した事象を示すセンサ情報であって、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響が大きいセンサ情報ほど、優先的に送信する処理を実行させることを特徴とするセンサノードプログラムを搭載している。
【００８４】
サーバ２は、コンピュータに、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させることを特徴とするセンサ情報収集プログラムを搭載している。
【００８５】
次に、本発明の第１の実施の形態の動作について、図面を参照して説明する。図３は、本発明の第１の実施の形態の動作を説明するシーケンス図である。
【００８６】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ１０１）、寄与度算出手段１２３に入力する。
【００８７】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報分布に対するセンサ情報の寄与度を算出する（ステップＳ１０２）。
【００８８】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ１０３）。
【００８９】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法にもとづいて、センサ情報をサーバ２へ送信する（ステップＳ１０４）。
【００９０】
サーバ２の第２の通信手段２２１は、センサノード１からセンサ情報を受信する（ステップＳ１０５）。データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持する（ステップＳ１０６）。
【００９１】
第３の通信手段２２４は、センサ情報分布をアプリケーション装置３へ送信する（ステップＳ１０７）。
【００９２】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【００９３】
以上に述べたように、この実施の形態によれば、センサノード１が寄与度の大きいセンサ情報を優先的に送信するように構成しているので、アプリケーション装置３が得るセンサ情報分布を寄与度が大きい（情報量が多い）センサ情報によって構成することができる。また、通信ネットワーク４のトラフィック量を削減することができるので、センサ情報分布において高い精度および分解能が求められる領域で、輻輳等による欠損データを少なくすることができる。
【００９４】
また、この実施の形態によれば、センサノード１が寄与度の大きいセンサ情報を優先的に送信するように構成することでセンサ情報の送信タイミングおよびセンサ情報を送信するセンサノードを分散させている。そのため、センサ情報の送信が時間的および空間的に分散され、応答集中問題の発生を回避することができる。
【００９５】
実施の形態２．
次に、本発明の第２の実施の形態について、図面を参照して説明する。図４は、本発明の第２の実施の形態の一構成例を示すブロック図である。
【００９６】
本発明の第２の実施の形態は、図２に示した第１の実施の形態の構成に対して、サーバ２を含まず、センサノード１からセンサ情報を受信する第２の通信手段２２１とデータ収集手段２２２とアプリケーション部３２８とを備えた複数のアプリケーション装置（センサ情報収集装置）３を含む点が異なる。その他の構成は、第１の実施の形態の構成と同様なため、図２と同じ符号を付し、説明を省略する。
【００９７】
この実施の形態では、センサノード１はサーバ２と多対一通信するのではなく、複数のアプリケーション装置３と多対多通信を行う。
【００９８】
アプリケーション装置３は、コンピュータに、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させることを特徴とするセンサ情報収集プログラムを搭載している。
【００９９】
本発明の第２の実施の形態の動作について説明する。この実施の形態の各手段の動作は、第１の実施の形態におけるそれぞれの手段の動作と同様なため、説明を省略する。
【０１００】
第１の実施の形態では、センサノード１が送信したセンサ情報をサーバ２が収集し、センサ情報分布を各アプリケーション装置３に配布する。それに対して、この実施の形態では、センサノード１がセンサ情報を直接アプリケーション装置３に送信し、各アプリケーション装置３のデータ収集手段２２２がセンサ情報分布を生成する。
【０１０１】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１０２】
また、この実施の形態によれば、センサノード１は全てのアプリケーション装置３と直接通信している。そのため、アプリケーション装置３毎にデータ収集手段２２２の動作を変更・カスタマイズすることが可能になり、各アプリケーション装置３が搭載している各アプリケーションソフトウェアの要望に応じたセンサ情報の処理が可能になる。
【０１０３】
実施の形態３．
次に、本発明の第３の実施の形態について、図面を参照して説明する。図５は、本発明の第３の実施の形態の一構成例を示すブロック図である。
【０１０４】
この実施の形態の構成は、図２に示した第１の実施の形態の構成に対して、サーバ２が推定手段２２３を有する点が異なる。その他の構成は、第１の実施の形態の構成と同様なため、図２と同じ符号を付し、説明を省略する。
【０１０５】
推定手段２２３は、欠損したセンサ情報以外のセンサに関する情報（寄与度、通信制御情報、有効期限等付加情報を含む）や、過去のセンサ情報（寄与度、通信制御情報、有効期限等付加情報を含む）から、事象モデルにもとづいて、欠損したセンサ情報を予測・推定・補完し、最新のセンサ情報の推定を行い、センサ情報分布を修復する。なお、欠損したセンサ情報を推定してセンサ情報分布を生成することを、センサ情報分布を修復するという。
【０１０６】
なお、欠損したセンサ情報とは、センサノード１または通信ネットワーク４の障害等によってサーバ２が未受信のセンサ情報や、有効期限切れのセンサ情報、何らかの理由により破棄されたセンサ情報をいう。また、推定手段２２３は、現時点で最新とみなせて信頼できるセンサ情報がないときに、最新のセンサ情報の推定を行う。
【０１０７】
次に、本発明の第３の実施の形態の動作について、図面を参照して説明する。図６は、本発明の第３の実施の形態の動作を説明するシーケンス図である。
【０１０８】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ３０１）、寄与度算出手段１２３に入力する。
【０１０９】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報分布に対するセンサ情報の寄与度を算出する（ステップＳ３０２）。
【０１１０】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ３０３）。
【０１１１】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法にもとづいて、センサ情報をサーバ２へ送信する（ステップＳ３０４）。
【０１１２】
サーバ２の第２の通信手段２２１は、センサノード１からセンサ情報を受信する（ステップＳ３０５）。データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持し（ステップＳ３０６）、センサ情報分布として推定手段２２３に出力する。推定手段２２３は、過去のセンサ情報等から、事象モデルにもとづいて、欠損したセンサ情報を予測・推定・補完し、最新のセンサ情報分布の修復を行う（ステップＳ３０７）。
【０１１３】
第３の通信手段２２４は、修復したセンサ情報分布をアプリケーション装置３へ送信する（ステップＳ３０８）。
【０１１４】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【０１１５】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、センサ情報分布において高い精度および分解能が求められる領域で欠損データを少なくすることができる。そのため、欠損データがあった場合でも、推定手段２２３が、欠損データを予測・推定・補完して、センサ情報分布の修復が成功する可能性を向上させることができる。
【０１１６】
また、この実施の形態では、推定手段２２３が欠損データを予測・推定・補完してセンサ情報分布の修復を行う。そのため、この実施の形態のセンサネットワークシステムは、センサ情報未到着による欠損（低精度・低分解能）のないセンサ情報分布を提供することが可能である。すなわち、センサネットワークシステムの最大精度（分解能）で表現されたセンサ情報分布を提供することが可能である。
【０１１７】
実施の形態４．
次に、本発明の第４の実施の形態について、図面を参照して説明する。図７は、本発明の第４の実施の形態の一構成例を示すブロック図である。
【０１１８】
この実施の形態の構成は、図４に示した第２の実施の形態の構成に対して、アプリケーション装置３が推定手段２２３を有する点が異なる。その他の構成は、第２の実施の形態の構成と同様なため、図４と同じ符号を付し、説明を省略する。
【０１１９】
この実施の形態の各手段の動作は、第４の実施の形態におけるそれぞれの手段の動作と同様なため、説明を省略する。なお、推定手段２２３の動作は、第３の実施の形態における推定手段２２３の動作と同様なため、説明を省略する。
【０１２０】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１２１】
さらに、第２の実施の形態と同様にアプリケーション装置３毎にデータ収集手段２２２の動作を変更・カスタマイズすることが可能になる。また、第３の実施の形態と同様に、推定手段２２３がセンサ情報分布を修復することができる。
【０１２２】
実施の形態５．
次に、本発明の第５の実施の形態について、図面を参照して説明する。図８は、本発明の第５の実施の形態の一構成例を示すブロック図である。
【０１２３】
この実施の形態の構成は、図２に示した第１の実施の形態の構成に対して、センサノード１が、寄与度算出手段１２３に設定されている事象モデルを更新するモデル更新手段１２６と、情報をサーバ２から受信する第５の通信手段１２７とを含み、サーバ２が、寄与度算出手段１２３に設定する事象モデルを決定するモデル決定手段２２５と、情報をセンサノード１に送信する第４の通信手段２２７とを含む点が異なる。その他の構成は、第１の実施の形態の構成と同様なため、図２と同じ符号を付し、説明を省略する。
【０１２４】
モデル決定手段２２５は、センサ情報分布にもとづいて事象モデルを決定し、決定した事象モデルを示す更新事象モデル情報を生成する。
【０１２５】
なお、事象モデルの決定とは、センサ情報分布にもとづいて、事象モデルが事象を最適に表現するように、（センサ情報が示すデータ（事象）間の関係式や、確率分布を満たす関係式等で表される）事象モデルにおけるパラメータを求める操作である。なお、複数の選択可能な事象モデルから、最適な事象モデルを選択してもよい。
【０１２６】
具体的には、例えば、あるセンサ情報が示すデータが、隣接するセンサ情報が示すデータと相関関係があり、隣接するセンサ情報が示すデータと同じ値である確率が高いとする事象モデルを採用している場合、モデル決定手段２２５は、センサ情報分布が含むセンサ情報が示すデータ間の相関を求める。
【０１２７】
センサ情報が示すデータ間の相関を求めるとは、例えば、隣接する４つのセンサ情報が示すデータと同じ値のセンサ情報が示すデータの個数の、センサ情報分布全体に対する割合（確率）を求めることをいう。
【０１２８】
そして、モデル決定手段２２５は、確率値を求めることを事象モデルを決定することとし、その確率値を更新事象モデル情報として生成する。
【０１２９】
なお、本説明では事象モデルの決定を、隣接するセンサ情報が示すデータ（事象）間の相関（同値をとる確率）にもとづいて行っているが、本発明はこれに限定されるものではなく、他の方法で事象モデルを決定してもよい。
【０１３０】
更新事象モデル情報とは、事象モデルを特徴付けるパラメータ、または事象モデルを表現する数式・数値・その他の情報である。つまり、更新事象モデル情報は、個々のセンサノード１における事象を特徴付けるミクロなパラメータではなく、事象を全体的に特徴づけるマクロなパラメータである。
【０１３１】
したがって、更新事象モデル情報は、個々のセンサノード１における事象を特徴付けるミクロなパラメータである場合に比べてデータ量が少なく、サーバ２からセンサノード１へ送信される更新事象モデル情報のデータ量は少ない。
【０１３２】
第４の通信手段２２７は、更新事象モデル情報をセンサノード１へ送信する。また、第５の通信手段１２７は、更新事象モデル情報をサーバ２から受信する。モデル更新手段１２６は、更新事象モデル情報にもとづいて、寄与度算出手段１２３に設定されている事象モデルを更新する。
【０１３３】
なお、寄与度算出手段１２３に設定されている事象モデルを更新するとは、寄与度算出手段１２３に設定されている事象モデルを変更することであって、寄与度算出手段１２３に事象モデルとして設定されている数式を変更したり、数式のパラメータを変更したり、数値を変更したりすることをいう。
【０１３４】
次に、本発明の第５の実施の形態の動作について、図面を参照して説明する。図９は、本発明の第５の実施の形態の動作を説明するシーケンス図である。
【０１３５】
サーバ２の第２の通信手段２２１が、センサノード１からセンサ情報を受信すると（ステップＳ５０１）、データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持する（ステップＳ５０２）。
【０１３６】
モデル決定手段２２５は、センサ情報分布にもとづいて事象モデルの決定を行う（ステップＳ５０３）。第４の通信手段２２７は、事象モデルが更新されると、更新事象モデル情報をセンサノード１に送信する（ステップＳ５０４）。
【０１３７】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ５０５）、寄与度算出手段１２３に入力する。
【０１３８】
第５の通信手段１２７が更新事象モデル情報をサーバ２から受信すると（ステップＳ５０６）、モデル更新手段１２６は、寄与度算出手段１２３に設定されている事象モデルの更新を行う（ステップＳ５０７）。
【０１３９】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報の分布に対するセンサ情報の寄与度を算出する（ステップＳ５０８）。
【０１４０】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ５０９）。
【０１４１】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法に従って、センサ情報をサーバ２へ送信する（ステップＳ５１０）。
【０１４２】
また、第３の通信手段２２４は、ステップＳ５０２でデータ収集手段２２２が保持したセンサ情報分布を、アプリケーション装置３へ送信する（ステップＳ５１１）。
【０１４３】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【０１４４】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１４５】
また、この実施の形態によれば、モデル決定手段２２５が、寄与度の算出に用いる事象モデルの更新を行い、事象モデルを実際の事象に応じたモデルに修正している。そのため、実際に発生した事象が従う事象モデルの変化・変遷に追従することが可能となり、より精度の高い（より効果のある）寄与度の算出が可能になる。
【０１４６】
また、事象モデルの決定と事象モデルの更新とが反復されるので、事象モデルが未知の場合でも、最初に初期事象モデルを設定すれば、真の事象モデルに近づけることができる。そのため、事象モデルが未知の場合でも、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１４７】
実施の形態６．
次に、本発明の第６の実施の形態について、図面を参照して説明する。図１０は、本発明の第６の実施の形態の一構成例を示すブロック図である。
【０１４８】
この実施の形態の構成は、図８に示した第５の実施の形態の構成に対して、サーバ２が、推定手段２２３と第２のモデル更新手段（モデル設定手段）２２６とを有する点が異なる。その他の構成は、第５の実施の形態の構成と同様なため、図８と同じ符号を付し、説明を省略する。
【０１４９】
推定手段２２３の動作は、図３で示した第３の実施の形態における動作と同様であるので説明を省略する。
【０１５０】
第２のモデル更新手段２２６は、更新事象モデル情報にもとづいて、推定手段２２３に設定されている事象モデルを更新する。
【０１５１】
次に、本発明の第６の実施の形態の動作について、図面を参照して説明する。図１１は、本発明の第６の実施の形態の動作を説明するシーケンス図である。
【０１５２】
サーバ２の第２の通信手段２２１は、センサノード１からセンサ情報を受信する（ステップＳ６０１）。データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持する（ステップＳ６０２）。
【０１５３】
モデル決定手段２２５は、センサ情報分布にもとづいて事象モデルの決定を行う（ステップＳ６０３）。第４の通信手段２２７は、事象モデルが更新されると、更新事象モデル情報をセンサノード１に送信する（ステップＳ６０４）。
【０１５４】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ６０５）、寄与度算出手段１２３に入力する。
【０１５５】
第５の通信手段１２７が更新事象モデル情報をサーバ２から受信すると（ステップＳ６０６）、モデル更新手段１２６は、寄与度算出手段１２３に設定されている事象モデルの更新を行う（ステップＳ６０７）。
【０１５６】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報の分布に対するセンサ情報の寄与度を算出する（ステップＳ６０８）。
【０１５７】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ６０９）。
【０１５８】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法に従って、センサ情報をサーバ２へ送信する（ステップＳ６１０）。
【０１５９】
また、サーバ２の推定手段２２３は、ステップＳ６０２で保持されたセンサ情報分布と、過去のセンサ情報等から、事象モデルにもとづいて、欠損したセンサ情報を予測・推定・補完し、最新のセンサ情報分布の修復を行う（ステップＳ６１１）。
【０１６０】
第３の通信手段２２４は、修復したセンサ情報分布をアプリケーション装置３へ送信する（ステップＳ６１２）。
【０１６１】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【０１６２】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、センサ情報分布において高い精度および分解能が求められる領域で欠損データを少なくすることができる。そのため、欠損データがあった場合であっても、推定手段２２３が、欠損データを予測・推定・補完して、センサ情報分布の修復が成功する可能性を向上させることができる。
【０１６３】
また、この実施の形態では、推定手段２２３が欠損データを予測・推定・補完してセンサ情報分布の修復を行う。そのため、この実施の形態のセンサネットワークシステムは、センサ情報未到着による欠損（低精度・低分解能）のないセンサ情報分布を提供することが可能である。すなわち、センサネットワークシステムの最大精度（分解能）で表現されたセンサ情報分布を提供することが可能である。
【０１６４】
さらに、この実施の形態では、モデル決定手段２２５が、寄与度の算出およびセンサ情報分布の修復に用いる事象モデルを更新し、事象モデルを実際の発生した事象に応じたモデルに修正している。
【０１６５】
従って、実際に発生した事象に追従して、事象モデルを変化させることが可能になり、より精度の高い（より効果のある）寄与度の算出およびセンサ情報分布の提供が可能となる。
【０１６６】
また、事象モデルの決定と事象モデルの更新とが反復されるので、事象モデルが未知の場合でも、最初に初期事象モデルを設定すれば、真の事象モデルに近づけることができる。そのため、事象モデルが未知の場合でも、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【実施例１】
【０１６７】
次に、具体的な実施例を用いて本発明を実施するための動作を説明する。なお、第１の実施例は、本発明の第１の実施の形態に対応している。
【０１６８】
図１２は、第１の実施例の一構成例を示す説明図である。本発明の第１の実施例では、センサネットワークシステムが、温度センサを備えたセンサノード１、サーバ２、およびアプリケーション装置３によって構成されている。また、各装置は、図２のブロック図に示した構成とそれぞれ同様の構成であるものとする。
【０１６９】
すべてのセンサノード１の通信ノード１１、サーバ２、およびアプリケーション装置３は、それぞれソフトウェアを搭載しているパーソナルコンピュータ（以下、ＰＣという）によって実現される。
【０１７０】
なお、センサノード１の通信ノード１１は、空間的に隣接する他のセンサノードが送信したセンサ情報を受信している。
【０１７１】
第１の実施例では、Ｎ個のセンサノード１が、観測対象の部屋の温度分布を測定するために、観測対象の部屋の天井に線上に設置されている。すなわち、各センサノード１は１次元上に等間隔に設置されており、それぞれ固有のセンサノード番号ｉ（ｉ＝１〜Ｎ）が設定されているものとする。なお、このようなセンサ配置やセンサノード番号は説明のために設けられているものであり、センサノードをそれぞれ別個に識別可能であり、かつ、他のセンサノードとの関係を容易に求められるものであれば他の仕組みを用いてもよい。
【０１７２】
サーバ２は、センサノード１からセンサ情報を受信して、アプリケーション装置３に適した形式でセンサ情報分布をアプリケーション装置３に送信する。アプリケーション装置３は、受信したセンサ情報分布にもとづいて、観測対象の部屋の温度分布情報を表示する「温度分布表示サービス」をユーザに提供する。
【０１７３】
センサノード１、サーバ２、およびアプリケーション装置３はそれぞれＩＥＥＥ８０２．１１ｂ規格の通信ネットワーク４で接続されており、相互にインターネットプロトコル（ＩＰ）を用いて通信可能であり、各装置には通信に必要なアドレスが割り当てられている。なお、通信に無線通信ネットワークやＩＰを用いることは本発明の適用範囲を限定するものではなく、他の通信ネットワークやＩＰ以外の方式を用いて装置間の通信を実現してもよい。
【０１７４】
なお、以下の説明ではセンサ情報は温度Ｔ［ケルビン（Ｋ）］（Ｔ≧０）を示すものとする。これは説明のために設定するものであり、他の単位や異なる種類のセンサにも本発明が適用可能なことは言うまでもない。
【０１７５】
また、第１の実施例におけるセンサネットワークシステムが仮定する事象モデルとして、センサ情報が示す値は、隣接する他のセンサノードが送信したセンサ情報が示す値の中間値（平均値）である確率が高いものとする。なお、以下、センサ情報が示す値を、センサデータという。
【０１７６】
サーバ２の第２の通信手段２２１は、各センサノード１からセンサデータｓｉ（０≦ｉ≦Ｎ，ｓｉ≧０）を示すセンサ情報を受信する。
【０１７７】
データ収集手段２２２は、センサデータｓｉを集合としてメモリ（図示せず）に保存する。これをセンサ情報分布｛ｓｉ｜０≦ｉ≦Ｎ｝とする。ただし、未受信の欠損センサデータはｓｉ＝０とする。
【０１７８】
センサノード１のセンサ１１は、温度を測定してセンサデータとして温度Ｔ［ケルビン（Ｋ）］（Ｔ≧０）を示すセンサ情報を出力する。
【０１７９】
センサ入力手段１２４は、周期的に時間τｐの間隔でセンサデータｓｉ＝Ｔを取得する。このτｐは、このシステムの基本的なクロックの１つに相当し、以下、プローブ時間という。ここでは、τｐ＝０．１［秒］とする。
【０１８０】
寄与度算出手段１２３は、一のセンサデータｓｉと、一のセンサデータｓｉに隣接するセンサデータｓｉ−１およびｓｉ＋１（センサノード１に隣接する他のセンサノードが送信したセンサ情報が示すセンサデータ）を用いて、寄与度を算出する。
【０１８１】
まず、事象モデルから、隣接するセンサデータｓｉ−１およびｓｉ＋１が存在した時に予想されるセンサデータｓ’ｉは、ｓｉ−１とｓｉ＋１の中間値（平均値）：
ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２である。
【０１８２】
この値（ｓ’ｉ：予想値）と実測値との差の絶対値ε＝｜ｓｉ−ｓ’ｉ｜とする（ε≧０）。
【０１８３】
センサデータは隣接するセンサデータの中間値（平均値）をとる確率が高いとする事象モデルより、実測値は予想値に近い確率が高いと考えられる。すなわち、予想値と実測値との差εが小さいセンサデータを示す事象が発生する確率は高く、逆にεが大きいセンサデータを示す事象が発生する確率は低い。
【０１８４】
このような差εを持つセンサデータの発生確率ｐ（ε）を、
ｐ（ε）＝１／（ｅｘｐ（β（ε−μ））＋１）とする（０≦ｐ≦１）。
【０１８５】
ここで、μ（μ≧０）はセンサデータの予想値からのずれの大きさを特徴付けるパラメータであり、β（β≧０）は、ずれの揺らぎを特徴付けるパラメータである。
【０１８６】
ここで、ｐ（ε）＝１／（ｅｘｐ（β（ε−μ））＋１）はフェルミ分布関数と呼ばれ、β→∞の極限においてε＜μではｐ（ε）＝１、ε＞μではｐ（ε）＝０となって階段状になり、βが有限値の場合、上記の階段状の形状が、ε＝μの両側にほぼ１／βの幅をもって崩れた形状になることが知られている。
【０１８７】
なお、μおよびβは、センサ１１の仕様や観測対象の事象にもとづき調整して決定されるが、ここでは予想値と実測値との差εは０＜ε＜１[Ｋ]の領域に主に分布するとし、μ＝１とし、領域のエッジ部分では０．３[Ｋ]程度の広がり（ゆらぎ）を持つとして、β＝３（≒１／０．３）とする。
【０１８８】
次に、実測値と予想値との差εを持つセンサデータｓｉの寄与度Ｉを、Ｉ（ε）＝ｌｎ（１／ｐ）とする（０≦Ｉ≦∞）。
【０１８９】
図１３は、μ＝１、β＝３とした時の、差の絶対値ε、発生確率ｐ、寄与度Ｉ、および送信確率ｑの関係を示したグラフである。
【０１９０】
このように寄与度を定義することにより、容易にセンサデータを予測・推定することができる。すなわち、発生する確率が高いセンサデータに対しては寄与度が小さくなる。一方、発生する確率が低いセンサデータは、予測・推定が困難であり、寄与度が大きな値をもつように構成される。
【０１９１】
通信制御手段１２２は、通信制御手法として、プローブ時間τｐごとに確率ｑで送信可否を判断する確率的送信手法を採用する。
【０１９２】
また、この送信確率ｑを決定する通信制御条件（アルゴリズム）として、ｑ＝１−ｅｘｐ（−Ｉ）＝１−ｐとする。
【０１９３】
従って、通信制御手段１２２は、プローブ時間τｐ毎に乱数Ｒ（Ｒは実数、０≦Ｒ＜１）を発生し、乱数Ｒがｑよりも小さければ（Ｒ＜ｑ）、センサ情報を送信するように第１の通信手段１２１に指示し、乱数Ｒがｑよりも大きければ（Ｒ≧ｑ）、センサ情報を送信しないように第１の通信手段１２１に指示する。
【０１９４】
第１の通信手段１２１は、通信ネットワーク４を介してサーバ２へセンサデータｓｉを示すセンサ情報を送信する。また、第１の通信手段１２１は、通信ネットワーク４を流れるセンサ情報を傍受し、センサ番号ｉに隣接するセンサデータｓｉ−１およびｓｉ＋１を収集する。
【０１９５】
次に、第１の実施例における具体的な動作例を説明する。
【０１９６】
動作例１．
あるｉ番目のセンサノード１に隣接するセンサノードが検出したセンサデータｓｉ−１＝ｓｉ＋１＝２５．００＋２７３．１６［Ｋ］であり、センサデータの発生確率ｐ＝０．９５であり、寄与度Ｉ＝０．０４９であるものとする。
【０１９７】
そして、プローブ時間τｐの待ち受け（スリープ）後、センサデータとしてｓｉ＝２５．１０＋２７３．１６［Ｋ］を取得したとすると、予想値ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２＝２５．００＋２７３．１６［Ｋ］になり、予想値と実測値の差ε＝０．１０になり、寄与度Ｉ＝０．０６５になり、送信確率ｑ＝０．０６３になる。この場合の平均送信間隔τｐ／ｑ＝１５．９［秒］である。
【０１９８】
動作例２．
動作例１に引き続き、ｉ−１番目、ｉ番目、およびｉ＋１番目のセンサノード１が存在する領域を含む広がりを持った領域で温度が上昇した場合であって、ｉ−１番目とｉ＋１番目とのセンサノードが、センサ情報を送信していない場合について考える。
【０１９９】
ｉ番目のセンサノードがセンサデータとしてｓｉ＝２６．７０＋２７３．１６［Ｋ］を取得したとすると、予想値ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２＝２５．００＋２７３．１６［Ｋ］になり、予想値と実測値の差ε＝１．７０になり寄与度Ｉ＝２．２２になり送信確率ｑ＝０．８９になる。この場合の平均送信間隔τｐ／ｑ＝１．１［秒］である。
【０２００】
動作例３．
動作例２に引き続き、ｉ−１番目およびｉ＋１番目のセンサノード１がセンサ情報を送信した場合について考える。
【０２０１】
ｉ−１番目およびｉ＋１番目のセンサデータを、それぞれ、ｓｉ−１＝２６．５０＋２７３．１６［Ｋ］、ｓｉ＋１＝２６．６０＋２７３．１６［Ｋ］とし、ｉ番目のセンサノードがセンサデータとしてｓｉ＝２６．７５＋２７３．１６［Ｋ］を取得したとすると、予想値ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２＝２６．５５＋２７３．１６［Ｋ］になり、予想値と実測値の差ε＝０．２０になり、寄与度Ｉ＝０．１３になり、送信確率ｑ＝０．０８７になる。この場合の平均送信間隔τｐ／ｑ＝１２．０［秒］である。
【０２０２】
上述した動作例１と動作例２とから、温度の変化がほとんどない定常状態時には寄与度は低く送信確率も低い（Ｉ＝０．０６５，ｑ＝０．０６３）が、ある領域の温度が上昇すると、寄与度も送信確率も上昇する（Ｉ＝２．２２，ｑ＝０．８９）ことがわかる。
【０２０３】
また、動作例３から、サーバ２においてセンサデータの収集が進んでいくと、寄与度も送信確率も低くなっていく（Ｉ＝０．０８７，ｑ＝０．０８３）ことがわかる。
【０２０４】
以上に述べたように、この実施例によれば、ある領域において温度が上昇し、空間的に精度が必要な場合には、寄与度に応じた処理により、空間的精度を向上させることができる。そして、サーバ２は、高い空間的精度のセンサ情報分布を提供することができる。
【０２０５】
また、寄与度に従って送信確率を決定しているため、寄与度が高いセンサ情報の送信を優先しつつ、センサ情報の一斉送信を確率的に分散させて応答集中問題の発生を回避することができる。
【０２０６】
なお、この実施例では、センサデータは隣接するセンサデータの中間値（平均値）をとる確率が高いという事象モデルを用いたが、本発明の適用範囲は本事象モデルに限定されるものではない。例えば、中間値などの線形関係だけではなく、２次以上の高次の相関性を用いることも可能である。また、あるセンサノードが、他のセンサノードのセンサデータから自己のセンサデータの寄与度を算出可能な方式であれば、他の方式を用いてもよい。
【実施例２】
【０２０７】
次に、本発明の第２の実施例について説明する。なお、第２の実施例は、本発明の第３の実施の形態に対応している。
【０２０８】
第２の実施例のセンサネットワークシステムにおけるセンサノードの配置（図１２）および目的等は、第１の実施例と同様とする。また、各装置は、図５のブロック図に示した構成と同様の構成であるものとする。
【０２０９】
サーバ２の推定手段２２３以外の動作は、第１の実施例と同様であるので説明を省略する。
【０２１０】
推定手段２２３は、欠損しているセンサデータ（以下、単に欠損データという）の推定方法として線形補完を採用する。すなわち、欠損データｓｉの推定値ｓ’ｉは、欠損データｓｉに空間的に隣接するセンサデータｓｉ−１およびｓｉ＋１を用いて、ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２で求められる。そして、センサ情報分布｛ｓｉ｜０≦ｉ≦Ｎ｝の欠損データを推定値ｓ’ｉに置き換える。
【０２１１】
次に、第２の実施例における具体的な動作例について、図面を参照して説明する。図１４は、動作例１〜動作例３でのセンサ情報分布例を示す説明図である。
【０２１２】
図１４において、×は欠損データを示し、括弧内は推定手段２２３が行った推定結果を示している。動作例１では、欠損データは多いが、欠損していないセンサデータの値の変動がない。動作例２では、欠損データは少ないが、欠損していないデータの値の変動が大きい。動作例３では、欠損データが多いが、欠損していないデータの値の変動が小さい。
【０２１３】
動作例１および動作例３では、送信確率が低く、欠損センサデータが多くなるが、この状態は寄与度が低く、温度変化がほとんどない定常状態であるので、精度（分解能）はそれほど必要ではなく、欠損データの推定が容易である。
【０２１４】
動作例２では、ある領域において温度が上昇し温度分布の変動が大きくなり、精度（分解能）が必要となっている状態である。このような状態では、寄与度が高くなり、送信確率が高くなることで、センサデータの空間的密度を上げている。従って、欠損データが存在してもわずかであり、推定手段２２３の推定による欠損データの修復の可能性が高い。
【０２１５】
以上に述べたように、この実施例によれば、欠損していないセンサ情報が示す値の変動に応じてセンサデータの空間的密度を変動させ、欠損データを推定することができる。
【０２１６】
なお、寄与度算出手段１２３は、メモリ（図示せず）に、入力されたセンサ情報が示すセンサデータを記憶させてもよい。また、寄与度算出手段１２３には、過去に入力されたセンサ情報および寄与度を算出すべきセンサ情報の次に入力されたセンサ情報がそれぞれ示すセンサデータにもとづいて寄与度を算出する事象モデルが設定されていてもよい。すなわち、寄与度算出手段１２３は、寄与度を算出すべきセンサ情報に時間的に隣接するセンサ情報にもとづいて、寄与度を算出してもよい。
【０２１７】
そして、データ収集手段２２２は、一のセンサノードが送信したセンサ情報にもとづいて、センサ情報分布を生成してもよい。また、推定手段２２３は、時間的に隣接するセンサ情報にもとづいて、欠損データを推定してもよい。
【０２１８】
そのように構成すれば、寄与度算出手段１２３は、時間的に隣接しているセンサ情報にもとづいて、センサ情報の寄与度を算出する。また、データ収集手段２２２は、一のセンサノードが送信したセンサ情報にもとづいて、時間的なセンサ情報の分布としてのセンサ情報分布を生成する。そのため、サーバ２は、アプリケーション装置３に、センサ情報の時間的な分布としてのセンサ情報分布を提供することができる。すなわち、サーバ２は、アプリケーション装置３に、時間的な精度の高いセンサ情報分布を提供することができる。
【実施例３】
【０２１９】
次に、本発明の第３の実施例について説明する。なお、第３の実施例は、本発明の第５の実施の形態に対応している。
【０２２０】
図１５は、第３の実施例の一構成例を示す説明図である。センサネットワークシステムは、運動している物体の存在を検知するための動物体センサを備えたセンサノード１、サーバ２、アプリケーション装置３によって構成されている。また、各装置は、図８のブロック図に示した構成と同様の構成であるものとする。
【０２２１】
そして、すべてのセンサノード１の通信ノード１１、サーバ２、およびアプリケーション装置３は、それぞれソフトウェアを搭載したＰＣによって実現されている。
【０２２２】
第３の実施例では、Ｍ×Ｎ個のセンサノード１が、観測対象の部屋内の動物体の分布を測定するために、観測対象の部屋の天井に、２次元正方格子状（Ｍ個×Ｎ個）で設置されている。すなわち、各センサノード１は２次元上に等間隔に設置されており、それぞれ固有のセンサノード番号（ｘ，ｙ）（ここでｘ＝１〜Ｍ，ｙ＝１〜Ｎ）が設定されているものとする。
【０２２３】
なお、このようなセンサ配置や、センサノード番号は説明のために設けられているものであり、センサノード１をそれぞれ別個に識別可能であり、他のセンサノードとの関係を容易に求められるものであれば他の仕組みを用いてもよい。
【０２２４】
サーバ２は、センサノード１からセンサ情報を受信して、アプリケーション装置３に適した形式でセンサ情報分布をアプリケーション装置３に送信する。アプリケーション装置３は、受信したセンサ情報分布にもとづいて、観測対象の部屋内の動物体分布情報を表示する「動物体分布表示サービス」をユーザに提供する。
【０２２５】
センサノード１、サーバ２、およびアプリケーション装置３は、互いに第１の実施例と同様に接続されている。
【０２２６】
なお、以下の説明ではセンサデータはブーリアン値σ（σ＝１：検出時、σ＝−１：非検出時）とする。これは説明のために設定するものであり、他の単位や異なる種類のセンサにも本発明が適用可能なことは言うまでもない。
【０２２７】
本システムが仮定する事象モデルとして、２値のセンサデータの値を確率変数として、その確率変数は隣接するセンサノードが検出したセンサデータの値と同値をとる確率が高いとするマルコフ確率場に従うとする。
【０２２８】
マルコフ確率場は、画像修復技術等では一般的に用いられる確率モデルであり、非特許文献２に記載されている。なお、ここではマルコフ確率場モデルおよびベイズ推定等の説明は省略する。
【０２２９】
真のセンサデータ（確率変数）、すなわち事象そのものの確率変数をｆｘ，ｙとすると、確率場ｆ＝｛ｆｘ，ｙ｜ｘ＝１，２，・・・，Ｍ，ｙ＝１，２，・・・，Ｎ｝の確率分布Ｐ（ｆ）は、以下のように求められる。
【０２３０】
Ｐ（ｆ）＝（ｅｘｐ（−（１／２）αΣｘ＝１ＭΣｙ＝１Ｎ（（ｆｘ，ｙ−ｆｘ＋１，ｙ）２＋（ｆｘ，ｙ−ｆｘ，ｙ＋１）２）））／（Σｆｅｘｐ（−（１／２）αΣｘ＝１ＭΣｙ＝１Ｎ（（ｆｘ，ｙ−ｆｘ＋１，ｙ）２＋（ｆｘ，ｙ−ｆｘ，ｙ＋１）２）））
【０２３１】
ここで、Σｆは以下のようになる。
【０２３２】
Σｆ＝Σｆ１，１＝±１Σｆ１，２＝±１・・・ΣｆＭ，Ｎ＝±１
【０２３３】
また、α（α＞０）は確率分布を特徴付けるパラメータ（ハイパパラメータ）である。
【０２３４】
サーバ２の第１の通信手段２２１は、各センサノード１からセンサデータｇｘ，ｙ（ｇｘ，ｙ＝±１）を受信する。
【０２３５】
データ収集手段２２２は、センサデータｇｘ，ｙからセンサ情報分布
ｇ＝｛ｇｘ，ｙ｜ｘ＝１，２，・・・，Ｍ， ｙ＝１，２，・・・，Ｎ｝
を収集する。センサ情報分布ｇには、センサノード１の動作不良等や、センサデータの有効期限満了に伴う欠損データが含まれている可能性がある。また、通信ネットワーク４の通信経路で劣化したデータである劣化データが含まれている可能性がある。
【０２３６】
モデル決定手段２２５は、欠損データを含むセンサ情報分布ｇにもとづいて、事象モデルの決定を行う。なお、事象モデルの決定とは、真のセンサデータの確率分布Ｐ（ｆ）を求めることであり、ここではハイパパラメータαを決定することである。
【０２３７】
事象モデルを特徴づけるハイパパラメータαを求める場合や、欠損データを含むセンサ情報分布から事象モデルを推定（この場合はハイパパラメータαの推定）する場合に、ＥＭアルゴリズムを用いることが有効であることが知られている。ここではＥＭアルゴリズムを用いてセンサ情報分布ｇからハイパパラメータαを求める。
【０２３８】
第４の通信手段２２７は、モデル決定手段２２５が求めたハイパパラメータαをセンサノード１に送信する。
【０２３９】
センサノード１のセンサ１１は動物体を検出し、センサ情報としてブーリアン値σ（σ＝１：検出時，σ＝−１：非検出時）をセンサ入力手段１２４に出力する。センサ入力手段１２４は、実施例１と同様の動作を行う。
【０２４０】
モデル更新手段１２６は、第５の通信手段１２７がサーバ２から受信したハイパパラメータαを、寄与度算出手段１２３に設定されている事象モデルに適用する。
【０２４１】
寄与度算出手段１２３は、一のセンサデータｆｘ，ｙと、隣接するセンサデータｆｘ−１，ｙ、ｆｘ＋１，ｙ、ｆｘ，ｙ−１、およびｆｘ，ｙ＋１を用いて寄与度を算出する。
【０２４２】
まず、寄与度算出手段１２３が算出する、ｆｘ，ｙの値（±１）に対する確率ｐ（ｆｘ，ｙ）は、マルコフ確率場より、以下のようになる。
【０２４３】
ｐ（ｆｘ，ｙ）
＝Ｐ（ｆｘ，ｙ｜｛ｆｕ，ｖ｜ｕ＝１，２，・・・，Ｍ，ｖ＝１，２，・・・，Ｎ，但し（ｕ，ｖ）＝（ｘ，ｙ）を除く｝）
＝ｅｘｐ（α（ｆｘ−１，ｙ＋ｆｘ＋１，ｙ＋ｆｘ，ｙ−１＋ｆｘ，ｙ＋１）ｆｘ，ｙ）／Σｆｘ，ｙ
＝±１ｅｘｐ（α（ｆｘ−１，ｙ＋ｆｘ＋１，ｙ＋ｆｘ，ｙ−１＋ｆｘ，ｙ＋１）ｆｘ，ｙ）
【０２４４】
ここで、ｆｘ−１，ｙ、ｆｘ＋１，ｙ、ｆｘ，ｙ−１、およびｆｘ，ｙ＋１は、真のセンサデータであるが、ここでは最新の隣接するセンサデータを適用する。つまり、隣接するセンサデータは、現時点での真のセンサデータを表しているのではないが、真のセンサデータとして扱うこととする。
【０２４５】
寄与度は第１の実施例と同様に、Ｉ（ｆｘ，ｙ）＝ｌｎ（１／ｐ）とする（０≦Ｉ≦∞）。また、通信制御手段１２２および第１の通信手段１２１は、第１の実施例１と同様の動作を行うとし、通信制御手法および通信制御条件も同様とする。
【実施例４】
【０２４６】
次に、本発明の第４の実施例について説明する。なお、第４の実施例は、本発明の第６の実施の形態に対応している。
【０２４７】
第４の実施例のセンサネットワークシステムにおけるセンサノードの配置（図１２）および目的等は、第２の実施例と同様とする。また、各装置は、図１０のブロック図に示した構成と同様の構成であるものとする。
【０２４８】
サーバ２の推定手段２２３とモデル更新手段２２６以外の手段の動作は、第３の実施例と同様であるので説明を省略する。
【０２４９】
モデル更新手段２２６は、モデル決定手段２２５が求めたハイパパラメータαを、推定手段２２３が用いる事象モデルに適用する。
【０２５０】
推定手段２２３は、センサ情報分布ｇから真のセンサデータｆの推定を行う。このような推定の方法として、以下に示すベイズの公式によるベイズ推定が一般的に用いられる。
【０２５１】
Ｐ（ｆ｜ｇ）＝（Ｐ（ｇ｜ｆ）・Ｐ（ｆ））／（ΣｆＰ（ｇ｜ｆ）・Ｐ（ｆ））
【０２５２】
すなわち、事後確率分布Ｐ（ｆ｜ｇ）から、以下に示す真のセンサデータの期待値を求める。
【０２５３】
ｍｘ，ｙ＝Σｆｆｘ，ｙＰ（ｆ｜ｇ）
【０２５４】
ここでは、劣化過程Ｐ（ｇ｜ｆ）として、２元対象通信路（ＢＳＣ：Ｂｉｎａｒｙ Ｓｙｍｍｅｔｒｉｃ Ｃｈａｎｎｅｌ）であるものとすると、劣化過程Ｐ（ｇ｜ｆ）は以下の式で求められる。
【０２５５】
Ｐ（ｇ｜ｆ）＝（ｅｘｐ（−（１／２）βΣｘ＝１ＭΣｙ＝１Ｎ（ｆｘ，ｙ−ｇｘ，ｙ）２））／（１＋ｅｘｐ（−２β））ＭＮ）
【０２５６】
ここで、βは劣化過程を特徴付けるパラメータであり、モデル決定手段２２５が、事象モデルの決定時にハイパパラメータαと同様に推定する。また、第４の実施例では、平均場近似を用いて、真のセンサデータの期待値ｍｘ，ｙを決定する。そして、センサ情報分布ｇを推定結果ｍｘ，ｙに置き換えて、第３の通信手段２２４を通じてアプリケーション装置３に送信する。
【０２５７】
以上の各実施の形態および各実施例の説明で述べたように、本発明によれば、センサノードが、空間的または時間的に寄与度の高いセンサ情報を優先的にサーバ装置等に送信するため、通信ネットワーク４の輻輳を抑制し、精度（時間分解能および空間分解能）が高い情報（センサ情報分布）をユーザに提供することができる。
【産業上の利用可能性】
【０２５８】
本発明は、事象を観測し、観測した情報を送信するセンサネットワークシステムに適用することができる。
【図面の簡単な説明】
【０２５９】
【図１】本発明によるセンサネットワークシステムの実施の形態の一構成例を示す説明図である。
【図２】本発明によるセンサネットワークシステムの第１の実施の形態の一構成例を示すブロック図である。
【図３】本発明の第１の実施の形態の動作を説明するシーケンス図である。
【図４】第２の実施の形態の一構成例を示すブロック図である。
【図５】第３の実施の形態の一構成例を示すブロック図である。
【図６】第３の実施の形態の動作を説明するシーケンス図である。
【図７】第４の実施の形態の一構成例を示すブロック図である。
【図８】第５の実施の形態の一構成例を示すブロック図である。
【図９】第５の実施の形態の動作を説明するシーケンス図である。
【図１０】第６の実施の形態の一構成例を示すブロック図である。
【図１１】第６の実施の形態の動作を説明するシーケンス図である。
【図１２】第１の実施例の一構成例を示す説明図である。
【図１３】μ＝１、β＝３とした時の、差の絶対値ε、発生確率ｐ、寄与度Ｉ、および送信確率ｑの関係を示したグラフである。
【図１４】動作例１〜動作例３でのセンサ情報分布例を示す説明図である。
【図１５】第３の実施例の一構成例を示す説明図である。
【符号の説明】
【０２６０】
１ センサノード
２ サーバ
３ アプリケーション装置
４ 通信ネットワーク
１１ センサ
１２ 通信ノード
１２１ 第１の通信手段
１２２ 通信制御手段
１２３ 寄与度算出手段
１２４ センサ入力手段
１２６ モデル更新手段
１２７ 第５の通信手段
２２１ 第２の通信手段
２２２ データ収集手段
２２３ 推定手段
２２４ 第３の通信手段
２２５ モデル決定手段
２２６ 第２のモデル更新手段
２２７ 第４の通信手段
３２１ 通信手段
３２８ アプリケーション部
【技術分野】
【０００１】
本発明は、センサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラムに関し、特に高精度（高分解能）のセンサ情報収集機能と輻輳抑制機能とを有するセンサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラムに関する。
【背景技術】
【０００２】
部屋や建物などに設置された複数のセンサが検出した情報を収集するための手段として、センサネットワークがある。センサネットワークは、事象を検出して送信するセンサノードを含む。
【０００３】
そして、センサが検出した情報の精度（分解能）を向上させるために、センサノードが情報を送信する間隔を短くして、時間分解能を向上させる装置（例えば、特許文献１参照。）や、情報を送信するセンサノードの空間密度を高くして、空間分解能を向上させる方法がある。
【０００４】
また、同一事象を観測するセンサノード全てが一斉に多量の情報を送信してしまうという問題（応答集中問題）を回避するために、各センサノードが、センサノード毎に異なる遅延時間後に情報を送信するようにして、輻輳を回避する方法（例えば、特許文献２参照。）や、情報の送信を行うセンサノードをランダムに選択する方法（例えば、非特許文献１参照。）がある。
【０００５】
なお、マルコフ確率場についての説明が、非特許文献２に記載されている。
【０００６】
【特許文献１】特開昭５７−２０２１６１号公報 （図１）
【特許文献２】特開２００１−４５０２０号公報 （段落００２２〜００４１、図１）
【非特許文献１】Ｃ．Ｓｈｅｎ、外２名、「Ｓｅｎｓｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｎｅｔｗｏｒｋｉｎｇ Ａｒｃｈｉｔｅｃｔｕｒｅ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ」、ＩＥＥＥ Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ、アメリカ合衆国、ＩＥＥＥ、２００１年８月、ｐ．５２−５９
【非特許文献２】田中和之、「画像修復に対する周辺ゆう度最大化によるハイパパラメータ推定のクラスタ変分法を用いた理論的検討」、電子情報通信学会論文誌（Ａ）、ｖｏｌ．Ｊ８３−Ａ、ｎｏ．１０、ｐ．１１４８−１１６０、２０００年１０月
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかし、特許文献１に記載されている装置のように、センサノードが情報を送信する間隔を短くしたり、センサノードが送信する情報の空間分解能を向上させるために、センサノードの空間配置密度を高くしたりすると、同一事象を観測したセンサノード全てが一斉に多量のデータを送信するという応答集中問題が発生する。そして、通信ネットワークが輻輳してしまったり、データを受信する受信側の情報処理能力を超えてしまったりする可能性がある。
【０００８】
その理由は、従来の技術では、トラフィック量を増大させずにセンサノードが送信する情報の精度（分解能）を向上させることができないためである。
【０００９】
また、特許文献２に記載されている方法や、非特許文献１に記載されている方法は、同一事象を観測するセンサノード全てが一斉に多量のデータを送信することを避けるために、センサデータの送信制御として、例えば、送信時のランダム遅延時間挿入や、データを送信するセンサノードのランダムな取捨選択を行う。そのため、単位時間当たりの情報通信量が減少したり、情報を送信するセンサノードの数が減少したりするため、情報の精度（分解能）が低下する可能性がある。
【００１０】
その理由は、従来のセンサネットワークシステムでは、センサが送信する情報の精度（時間分解能および空間分解能）を低下させずにトラフィックを低減することについて、何ら考慮されていないためである。
【００１１】
そこで、本発明は、精度（時間分解能および空間分解能）が高い情報を収集し、センサノードが送信した情報による輻輳を抑制することができるセンサネットワークシステム、センサノード、センサ情報収集装置、事象観測方法、およびプログラムを提供することを目的とする。
【課題を解決するための手段】
【００１２】
本発明によるセンサネットワークシステムは、発生した事象を検出するセンサを含む複数のセンサノードと、センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムであって、センサノードは、センサが検出した事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する通信手段を含み、アプリケーション装置は、センサ情報分布を用いてセンサ情報を処理することを特徴とする。
【００１３】
センサノードの通信手段は、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど優先的にセンサ情報を送信してもよい。
【００１４】
センサノードは、センサが検出する事象をモデル化した事象モデルが設定され、事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を含み、通信手段は、寄与度算出手段が算出した寄与度に応じたタイミングで、センサ情報を送信してもよい。
【００１５】
センサノードの寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００１６】
センサノードの寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００１７】
センサノードは、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を含んでもよい。
【００１８】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含んでもよい。
【００１９】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含み、モデル決定手段は、推定手段に設定する事象モデルを、センサ情報分布にもとづいて決定し、サーバは、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定手段を含んでもよい。
【００２０】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、センサノードのモデル更新手段が更新する事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段とを含み、センサノードのモデル更新手段は、寄与度算出手段に設定されている事象モデルを、モデル決定手段が決定した事象モデルに変更してもよい。
【００２１】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含み、モデル決定手段は、推定手段に設定する事象モデルを決定し、サーバは、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定手段を含んでもよい。
【００２２】
サーバは、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信手段を含んでもよい。
【００２３】
アプリケーション装置は、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含んでもよい。
【００２４】
アプリケーション装置は、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含んでもよい。
【００２５】
本発明によるセンサノードは、発生した事象を検出するセンサを備えたセンサノードであって、センサが検出した事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じて、センサが検出した事象を示すセンサ情報を送信する通信手段を備えたことを特徴とする。
【００２６】
センサが検出する事象をモデル化した事象モデルが設定され、事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を備えてもよい。
【００２７】
寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００２８】
寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００２９】
寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を備えてもよい。
【００３０】
本発明によるセンサ情報収集装置は、発生した事象を検出するセンサ、およびセンサが検出した事象を示すセンサ情報を送信する通信手段をそれぞれ備えた複数のセンサノードに接続されたセンサ情報収集装置であって、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集手段を備えたことを特徴とする。
【００３１】
他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている、センサが検出する事象をモデル化した事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を備えてもよい。
【００３２】
センサノードに設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段を備えてもよい。
【００３３】
推定手段に設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段と、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定手段とを備えてもよい。
【００３４】
本発明による事象観測方法は、発生した事象を検出するセンサを含む複数のセンサノードと、センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムを用いた事象観測方法であって、センサが事象を検出する事象検出ステップと、センサノードの通信手段が、事象検出ステップでセンサによって検出された事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する情報送信ステップと、アプリケーション装置が、センサ情報分布を用いてセンサ情報を処理するセンサ情報処理ステップとを備えたことを特徴とする。
【００３５】
センサ情報送信ステップで、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど、センサノードの通信手段が優先的に送信してもよい。
【００３６】
センサが検出する事象をモデル化した事象モデルが設定されたセンサノードの寄与度算出手段が、事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出ステップを備えてもよい。
【００３７】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００３８】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出してもよい。
【００３９】
センサノードのモデル更新手段が、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新ステップを備えてもよい。
【００４０】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えてもよい。
【００４１】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えてもよい。
【００４２】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップと、モデル決定手段が、センサノードのモデル更新手段が更新する事象モデルを、センサ情報分布にもとづいて決定するモデル決定ステップとを備え、センサノードのモデル更新手段が、モデル更新ステップで、寄与度算出手段に設定されている事象モデルを、モデル決定手段がモデル決定ステップで決定した事象モデルに変更してもよい。
【００４３】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備え、モデル決定手段が、モデル決定ステップで、推定手段に設定する事象モデルを、センサ情報分布にもとづいて決定し、サーバのモデル設定手段が、モデル決定手段が決定した事象モデルを、推定手段に設定するモデル設定ステップを備えてもよい。
【００４４】
サーバのセンサ情報分布送信手段が、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信ステップを備えてもよい。
【００４５】
アプリケーション装置のデータ収集手段が、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えてもよい。
【００４６】
アプリケーション装置の推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えてもよい。
【００４７】
本発明によるセンサノードプログラムは、発生した事象を検出するセンサを備えたコンピュータに搭載されるセンサノードプログラムであって、コンピュータに、センサが検出した事象を示すセンサ情報であって、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響が大きいセンサ情報ほど、優先的に送信する処理を実行させることを特徴とする。
【００４８】
本発明によるセンサ情報収集プログラムは、発生した事象を検出するセンサを備えた複数のセンサノードに接続され、センサが検出した事象を示すセンサ情報を受信するコンピュータに搭載されるセンサ情報収集プログラムにおいて、コンピュータに、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させることを特徴とする。
【発明の効果】
【００４９】
本発明によれば、センサノードの通信手段が、センサが検出した事象が、センサ情報分布に与える影響に応じたタイミングでセンサ情報を送信するため、センサノードが送信したセンサ情報による輻輳を抑制し、アプリケーション装置に、精度が高い情報を提供することができる。
【００５０】
センサノードの通信手段が、センサ情報分布に与える影響が大きいセンサ情報を優先的に送信するように構成されている場合には、アプリケーション装置に、精度が高い情報を提供することができる。
【００５１】
通信手段が、寄与度算出手段が算出した寄与度に応じたタイミングで、センサ情報を送信するように構成されている場合には、寄与度に応じて、アプリケーション装置に、精度が高い情報を提供することができる。
【００５２】
センサノードの寄与度算出手段が、センサが現在検出した事象や、過去に検出した事象、または他のセンサノードのセンサが検出した事象にもとづいて寄与度を算出するように構成されている場合には、時間的または空間的に隣接するセンサ情報にもとづいて寄与度を算出することができる。
【００５３】
寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を含むように構成されている場合には、センサノードが設置されている状況に応じて、事象モデルを更新することができる。
【００５４】
センサネットワークシステムがサーバを備え、サーバが、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段とを含むように構成されている場合には、一部のセンサ情報が欠損しても、センサ情報分布を修復することができる。
【００５５】
サーバが、センサノードのモデル更新手段が更新する事象モデルを決定するモデル決定手段を含むように構成されている場合には、センサ情報分布に応じて、寄与度算出手段に設定されている事象モデルを更新することができる。
【００５６】
アプリケーション装置が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含むように構成されている場合には、一部のセンサ情報が欠損しても、センサ情報分布を修復することができる。
【発明を実施するための最良の形態】
【００５７】
実施の形態１．
本発明の第１の実施の形態について、図面を参照して説明する。図１は、本発明によるセンサネットワークシステムの実施の形態の一構成例を示す説明図である。
【００５８】
本発明によるセンサネットワークシステムの第１の実施の形態は、部屋等に設置され、事象を検出して、検出した事象を示す情報であるセンサ情報を送信する複数のセンサノード１、センサノード１が送信したセンサ情報を受信するサーバ２、センサ情報を利用するアプリケーション装置３、およびセンサノード１とサーバ（センサ情報収集装置）２とアプリケーション装置３と接続する通信ネットワーク４を含む。
【００５９】
センサノード１は、センサ情報を、通信ネットワーク４を介してサーバ２に送信する。センサノード１は、例えば、小型で、消費電力が小さく電池で駆動し、部屋や建物、屋外等の空間に複数配置することができ、ＩＥＥＥ８０２．１１ｂ等による無線通信機能を有する。
【００６０】
なお、センサノード１は、例えば、ＩＥＥＥ８０２．１１ｂ等の無線通信を有するものとしているが、ＺｉｇＢｅｅ（登録商標）等の他規格の無線通信方式や、イーサネット（登録商標）等の有線通信等に対応していてもよい。また、センサノード１は、電池によって駆動されるものとしているが、本発明はこれに限定されるものではなく、他の電力供給方式によって駆動されてもよい。
【００６１】
サーバ２は、センサノード１から受信したセンサ情報を受信し、受信したセンサ情報の分布を、通信ネットワーク４を介してアプリケーション装置３に送信する。サーバ２は、一般に、シンク（ｓｉｎｋ）とも呼ばれ、センサ情報の受信と共に、複数のセンサノード１の管理や、アプリケーション装置３への情報提供等、ゲートウェイとしての役割を果たしてもよい。
【００６２】
アプリケーション装置３は、センサ情報を利用した種々のサービスを提供するための装置である。アプリケーション装置３は、例えば、受信したセンサ情報にもとづいて観測対象の部屋で発生した事象の分布情報を表示する「事象分布表示サービス」というサービスをユーザに提供する。
【００６３】
なお、アプリケーション装置３は、センサノード１が設置された空間の環境や、設備の監視を行い、センサ情報に応じてユーザに提供するサービスを変更してもよい。
【００６４】
通信ネットワーク４は、センサノード１、サーバ２、およびアプリケーション装置３を互いに接続する。通信ネットワーク４は、例えば、イーサネット等の有線通信方式や、無線ＬＡＮ等の無線通信方式で実現される。なお、センサノード１とサーバ２との間の通信ネットワークとして無線通信方式を採用し、サーバ２とアプリケーション装置３との間の通信ネットワークとしてイーサネットを採用するなど、通信ネットワーク４は、分離されていてもよい。
【００６５】
図２は、本発明によるセンサネットワークシステムの第１の実施の形態の一構成例を示すブロック図である。
【００６６】
センサノード１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成するセンサ１１と、センサ情報を送信する通信ノード１２とを含む。
【００６７】
センサ１１は、例えば、温度や照度等の物理量の測定や、映像データや音声データ等の取得、人や設備機器等の状態監視等を行い、事象を観測してセンサ情報を生成する機能を有する。
【００６８】
通信ノード１２は、センサ１１からセンサ情報を取得するセンサ入力手段１２４と、センサ情報の寄与度を算出する寄与度算出手段１２３と、寄与度にもとづいて送信制御を行う通信制御手段１２２と、センサ情報を送信する第１の通信手段１２１とを含む。
【００６９】
センサ入力手段１２４は、センサ１１とのインタフェースを有し、センサ１１が生成したセンサ情報を取得する。センサ入力手段１２４がセンサ情報を取得する方法は、情報のダウンロード型（プル型）であってもよいし、センサ１１が事象の発生を検出すると非同期にセンサ情報を受信する方式（プッシュ型）であってもよいし、他の方式であってもよい。センサ入力手段１２４がセンサ情報を取得する方式は、本発明の適用範囲を限定するものではなく、センサ１１の仕様や、特性、利用目的によって種々の方式で実現可能である。
【００７０】
寄与度算出手段１２３は、センサデータの寄与度を算出する。寄与度算出手段１２３は、一のセンサノードが生成したセンサ情報や、そのセンサノードが生成した過去のセンサ情報、他のセンサノードが生成したセンサ情報等に応じて、事象モデルにもとづいて寄与度を算出する。
【００７１】
なお、寄与度とは、アプリケーション装置３が受信するセンサ情報の分布（データ群）に対するセンサ情報の寄与を表す度合いであり、センサ情報の分布から、センサ情報の値が容易に予測・推定できる場合には小さい値（寄与度が低い）になり、予測・推定が困難な場合には寄与度が大きい値（寄与度が高い）になるような特性を有する。本発明では、この寄与度により、一のセンサ情報がセンサ情報の分布全体の精度（分解能）に与える影響度合いを測り、通信制御手段１２２が通信制御を行う。
【００７２】
また、事象モデルとは、観測対象の事象をモデル化したものを表す。すなわち、事象モデルとは、各センサ情報の値間の関係をあらわす数式や、センサ情報の値を確率変数とした場合の確率分布が満たす関係式等であり、センサネットワークシステムが観測対象とする事象やセンサノードの配置等にもとづいて、最適な事象モデルが設定される。そして、寄与度算出手段１２３は、事象は事象モデルにもとづいて発生するという仮説にもとづいて、寄与度を算出する。
【００７３】
通信制御手段１２２は、通信制御条件を保持し、寄与度と通信制御条件とにもとづいて通信制御手法を決定する。
【００７４】
なお、通信制御手法とは、遅延送信、送信中止、周期的送信等の送信タイミングを制御する手法を意味する。そして、寄与度と通信制御条件とから、センサ情報の精度の向上とトラフィック量の低減に最適な手法が選択・決定される。
【００７５】
そして、通信制御条件とは、通信制御手法およびそのパラメータを決定するためのアルゴリズムである。通信制御条件は、例えば、寄与度が大きいセンサ情報は通信制御手法として遅延送信が適用されて遅延時間が小さく設定され、寄与度が小さいセンサ情報は通信制御手法として遅延時間が適用されて遅延時間が大きく設定される。また、寄与度が極端に小さいセンサ情報は、送信しないように設定される。すなわち、寄与度が大きいセンサ情報が、優先的に送信される。なお、通信ネットワーク４の帯域やトラフィック等を通信制御条件として利用してもよい。
【００７６】
通信制御条件として、例えば、寄与度と所定の値とを比較して、寄与度が所定の値よりも大きければ小さい遅延時間を設定したり、優先的に送信したり、寄与度が所定の値よりも小さければ大きい遅延時間を設定したりする。そのように構成すれば、寄与度が大きいセンサ情報を、寄与度が小さいセンサ情報よりも優先して送信することができる。また、寄与度と比較する所定の値は、所定の式によって算出される値であってもよい。また、寄与度を所定の式に適用して算出した値と、所定の値やランダムな値等とを比較してもよい。
【００７７】
センサノード１の通信ノード１２の第１の通信手段１２１は、通信ネットワーク４を介して、センサ情報をサーバ２へ送信する。また、第１の通信手段１２１は、センサ情報だけでなく、寄与度、通信制御手法、およびそのパラメータ等の通信制御情報、測定時間、有効期限等の付加情報を送信してもよい。また、第１の通信手段１２１は、他のセンサノードが通信ネットワーク４を介して送信したセンサ情報を受信し、寄与度算出手段１２３に入力して寄与度の算出条件に利用させてもよい。また、第１の通信手段１２１は、通信ネットワーク４のトラフィック量を計測し、計測したトラフィック量を通信制御手段１２２に入力して、通信制御条件の１つとして利用させてもよい。
【００７８】
サーバ２は、センサ情報を受信する第２の通信手段２２１と、センサ情報を収集するデータ収集手段２２２と、アプリケーション装置３にセンサ情報の分布を示す情報を送信する第３の通信手段（センサ情報分布送信手段）２２４とを含む。
【００７９】
第２の通信手段２２１は、通信ネットワーク４を介して複数のセンサノード１からセンサ情報を受信する。
【００８０】
データ収集手段２２２は、第２の通信手段２２１が受信したセンサ情報を収集し、統計処理等が容易になるように配列等をメモリ等の記憶媒体に集合（センサ情報の分布）として保持・管理する。すなわち、データ収集手段２２２は、第２の通信手段２２１が受信したセンサ情報にもとづいて、センサ情報の分布を示す情報を生成する。以下、この集合（センサ情報の分布を示す情報）をセンサ情報分布という。第３の通信手段２２４は、センサ情報分布をアプリケーション装置３へ送信する。
【００８１】
アプリケーション装置３は、センサ情報分布を受信する通信手段３２１と、アプリケーションソフトウェアを実行するアプリケーション部３２８とを含む。
【００８２】
通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行する。
【００８３】
センサノード１は、コンピュータに、センサが検出した事象を示すセンサ情報であって、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響が大きいセンサ情報ほど、優先的に送信する処理を実行させることを特徴とするセンサノードプログラムを搭載している。
【００８４】
サーバ２は、コンピュータに、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させることを特徴とするセンサ情報収集プログラムを搭載している。
【００８５】
次に、本発明の第１の実施の形態の動作について、図面を参照して説明する。図３は、本発明の第１の実施の形態の動作を説明するシーケンス図である。
【００８６】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ１０１）、寄与度算出手段１２３に入力する。
【００８７】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報分布に対するセンサ情報の寄与度を算出する（ステップＳ１０２）。
【００８８】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ１０３）。
【００８９】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法にもとづいて、センサ情報をサーバ２へ送信する（ステップＳ１０４）。
【００９０】
サーバ２の第２の通信手段２２１は、センサノード１からセンサ情報を受信する（ステップＳ１０５）。データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持する（ステップＳ１０６）。
【００９１】
第３の通信手段２２４は、センサ情報分布をアプリケーション装置３へ送信する（ステップＳ１０７）。
【００９２】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【００９３】
以上に述べたように、この実施の形態によれば、センサノード１が寄与度の大きいセンサ情報を優先的に送信するように構成しているので、アプリケーション装置３が得るセンサ情報分布を寄与度が大きい（情報量が多い）センサ情報によって構成することができる。また、通信ネットワーク４のトラフィック量を削減することができるので、センサ情報分布において高い精度および分解能が求められる領域で、輻輳等による欠損データを少なくすることができる。
【００９４】
また、この実施の形態によれば、センサノード１が寄与度の大きいセンサ情報を優先的に送信するように構成することでセンサ情報の送信タイミングおよびセンサ情報を送信するセンサノードを分散させている。そのため、センサ情報の送信が時間的および空間的に分散され、応答集中問題の発生を回避することができる。
【００９５】
実施の形態２．
次に、本発明の第２の実施の形態について、図面を参照して説明する。図４は、本発明の第２の実施の形態の一構成例を示すブロック図である。
【００９６】
本発明の第２の実施の形態は、図２に示した第１の実施の形態の構成に対して、サーバ２を含まず、センサノード１からセンサ情報を受信する第２の通信手段２２１とデータ収集手段２２２とアプリケーション部３２８とを備えた複数のアプリケーション装置（センサ情報収集装置）３を含む点が異なる。その他の構成は、第１の実施の形態の構成と同様なため、図２と同じ符号を付し、説明を省略する。
【００９７】
この実施の形態では、センサノード１はサーバ２と多対一通信するのではなく、複数のアプリケーション装置３と多対多通信を行う。
【００９８】
アプリケーション装置３は、コンピュータに、受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させることを特徴とするセンサ情報収集プログラムを搭載している。
【００９９】
本発明の第２の実施の形態の動作について説明する。この実施の形態の各手段の動作は、第１の実施の形態におけるそれぞれの手段の動作と同様なため、説明を省略する。
【０１００】
第１の実施の形態では、センサノード１が送信したセンサ情報をサーバ２が収集し、センサ情報分布を各アプリケーション装置３に配布する。それに対して、この実施の形態では、センサノード１がセンサ情報を直接アプリケーション装置３に送信し、各アプリケーション装置３のデータ収集手段２２２がセンサ情報分布を生成する。
【０１０１】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１０２】
また、この実施の形態によれば、センサノード１は全てのアプリケーション装置３と直接通信している。そのため、アプリケーション装置３毎にデータ収集手段２２２の動作を変更・カスタマイズすることが可能になり、各アプリケーション装置３が搭載している各アプリケーションソフトウェアの要望に応じたセンサ情報の処理が可能になる。
【０１０３】
実施の形態３．
次に、本発明の第３の実施の形態について、図面を参照して説明する。図５は、本発明の第３の実施の形態の一構成例を示すブロック図である。
【０１０４】
この実施の形態の構成は、図２に示した第１の実施の形態の構成に対して、サーバ２が推定手段２２３を有する点が異なる。その他の構成は、第１の実施の形態の構成と同様なため、図２と同じ符号を付し、説明を省略する。
【０１０５】
推定手段２２３は、欠損したセンサ情報以外のセンサに関する情報（寄与度、通信制御情報、有効期限等付加情報を含む）や、過去のセンサ情報（寄与度、通信制御情報、有効期限等付加情報を含む）から、事象モデルにもとづいて、欠損したセンサ情報を予測・推定・補完し、最新のセンサ情報の推定を行い、センサ情報分布を修復する。なお、欠損したセンサ情報を推定してセンサ情報分布を生成することを、センサ情報分布を修復するという。
【０１０６】
なお、欠損したセンサ情報とは、センサノード１または通信ネットワーク４の障害等によってサーバ２が未受信のセンサ情報や、有効期限切れのセンサ情報、何らかの理由により破棄されたセンサ情報をいう。また、推定手段２２３は、現時点で最新とみなせて信頼できるセンサ情報がないときに、最新のセンサ情報の推定を行う。
【０１０７】
次に、本発明の第３の実施の形態の動作について、図面を参照して説明する。図６は、本発明の第３の実施の形態の動作を説明するシーケンス図である。
【０１０８】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ３０１）、寄与度算出手段１２３に入力する。
【０１０９】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報分布に対するセンサ情報の寄与度を算出する（ステップＳ３０２）。
【０１１０】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ３０３）。
【０１１１】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法にもとづいて、センサ情報をサーバ２へ送信する（ステップＳ３０４）。
【０１１２】
サーバ２の第２の通信手段２２１は、センサノード１からセンサ情報を受信する（ステップＳ３０５）。データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持し（ステップＳ３０６）、センサ情報分布として推定手段２２３に出力する。推定手段２２３は、過去のセンサ情報等から、事象モデルにもとづいて、欠損したセンサ情報を予測・推定・補完し、最新のセンサ情報分布の修復を行う（ステップＳ３０７）。
【０１１３】
第３の通信手段２２４は、修復したセンサ情報分布をアプリケーション装置３へ送信する（ステップＳ３０８）。
【０１１４】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【０１１５】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、センサ情報分布において高い精度および分解能が求められる領域で欠損データを少なくすることができる。そのため、欠損データがあった場合でも、推定手段２２３が、欠損データを予測・推定・補完して、センサ情報分布の修復が成功する可能性を向上させることができる。
【０１１６】
また、この実施の形態では、推定手段２２３が欠損データを予測・推定・補完してセンサ情報分布の修復を行う。そのため、この実施の形態のセンサネットワークシステムは、センサ情報未到着による欠損（低精度・低分解能）のないセンサ情報分布を提供することが可能である。すなわち、センサネットワークシステムの最大精度（分解能）で表現されたセンサ情報分布を提供することが可能である。
【０１１７】
実施の形態４．
次に、本発明の第４の実施の形態について、図面を参照して説明する。図７は、本発明の第４の実施の形態の一構成例を示すブロック図である。
【０１１８】
この実施の形態の構成は、図４に示した第２の実施の形態の構成に対して、アプリケーション装置３が推定手段２２３を有する点が異なる。その他の構成は、第２の実施の形態の構成と同様なため、図４と同じ符号を付し、説明を省略する。
【０１１９】
この実施の形態の各手段の動作は、第４の実施の形態におけるそれぞれの手段の動作と同様なため、説明を省略する。なお、推定手段２２３の動作は、第３の実施の形態における推定手段２２３の動作と同様なため、説明を省略する。
【０１２０】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１２１】
さらに、第２の実施の形態と同様にアプリケーション装置３毎にデータ収集手段２２２の動作を変更・カスタマイズすることが可能になる。また、第３の実施の形態と同様に、推定手段２２３がセンサ情報分布を修復することができる。
【０１２２】
実施の形態５．
次に、本発明の第５の実施の形態について、図面を参照して説明する。図８は、本発明の第５の実施の形態の一構成例を示すブロック図である。
【０１２３】
この実施の形態の構成は、図２に示した第１の実施の形態の構成に対して、センサノード１が、寄与度算出手段１２３に設定されている事象モデルを更新するモデル更新手段１２６と、情報をサーバ２から受信する第５の通信手段１２７とを含み、サーバ２が、寄与度算出手段１２３に設定する事象モデルを決定するモデル決定手段２２５と、情報をセンサノード１に送信する第４の通信手段２２７とを含む点が異なる。その他の構成は、第１の実施の形態の構成と同様なため、図２と同じ符号を付し、説明を省略する。
【０１２４】
モデル決定手段２２５は、センサ情報分布にもとづいて事象モデルを決定し、決定した事象モデルを示す更新事象モデル情報を生成する。
【０１２５】
なお、事象モデルの決定とは、センサ情報分布にもとづいて、事象モデルが事象を最適に表現するように、（センサ情報が示すデータ（事象）間の関係式や、確率分布を満たす関係式等で表される）事象モデルにおけるパラメータを求める操作である。なお、複数の選択可能な事象モデルから、最適な事象モデルを選択してもよい。
【０１２６】
具体的には、例えば、あるセンサ情報が示すデータが、隣接するセンサ情報が示すデータと相関関係があり、隣接するセンサ情報が示すデータと同じ値である確率が高いとする事象モデルを採用している場合、モデル決定手段２２５は、センサ情報分布が含むセンサ情報が示すデータ間の相関を求める。
【０１２７】
センサ情報が示すデータ間の相関を求めるとは、例えば、隣接する４つのセンサ情報が示すデータと同じ値のセンサ情報が示すデータの個数の、センサ情報分布全体に対する割合（確率）を求めることをいう。
【０１２８】
そして、モデル決定手段２２５は、確率値を求めることを事象モデルを決定することとし、その確率値を更新事象モデル情報として生成する。
【０１２９】
なお、本説明では事象モデルの決定を、隣接するセンサ情報が示すデータ（事象）間の相関（同値をとる確率）にもとづいて行っているが、本発明はこれに限定されるものではなく、他の方法で事象モデルを決定してもよい。
【０１３０】
更新事象モデル情報とは、事象モデルを特徴付けるパラメータ、または事象モデルを表現する数式・数値・その他の情報である。つまり、更新事象モデル情報は、個々のセンサノード１における事象を特徴付けるミクロなパラメータではなく、事象を全体的に特徴づけるマクロなパラメータである。
【０１３１】
したがって、更新事象モデル情報は、個々のセンサノード１における事象を特徴付けるミクロなパラメータである場合に比べてデータ量が少なく、サーバ２からセンサノード１へ送信される更新事象モデル情報のデータ量は少ない。
【０１３２】
第４の通信手段２２７は、更新事象モデル情報をセンサノード１へ送信する。また、第５の通信手段１２７は、更新事象モデル情報をサーバ２から受信する。モデル更新手段１２６は、更新事象モデル情報にもとづいて、寄与度算出手段１２３に設定されている事象モデルを更新する。
【０１３３】
なお、寄与度算出手段１２３に設定されている事象モデルを更新するとは、寄与度算出手段１２３に設定されている事象モデルを変更することであって、寄与度算出手段１２３に事象モデルとして設定されている数式を変更したり、数式のパラメータを変更したり、数値を変更したりすることをいう。
【０１３４】
次に、本発明の第５の実施の形態の動作について、図面を参照して説明する。図９は、本発明の第５の実施の形態の動作を説明するシーケンス図である。
【０１３５】
サーバ２の第２の通信手段２２１が、センサノード１からセンサ情報を受信すると（ステップＳ５０１）、データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持する（ステップＳ５０２）。
【０１３６】
モデル決定手段２２５は、センサ情報分布にもとづいて事象モデルの決定を行う（ステップＳ５０３）。第４の通信手段２２７は、事象モデルが更新されると、更新事象モデル情報をセンサノード１に送信する（ステップＳ５０４）。
【０１３７】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ５０５）、寄与度算出手段１２３に入力する。
【０１３８】
第５の通信手段１２７が更新事象モデル情報をサーバ２から受信すると（ステップＳ５０６）、モデル更新手段１２６は、寄与度算出手段１２３に設定されている事象モデルの更新を行う（ステップＳ５０７）。
【０１３９】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報の分布に対するセンサ情報の寄与度を算出する（ステップＳ５０８）。
【０１４０】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ５０９）。
【０１４１】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法に従って、センサ情報をサーバ２へ送信する（ステップＳ５１０）。
【０１４２】
また、第３の通信手段２２４は、ステップＳ５０２でデータ収集手段２２２が保持したセンサ情報分布を、アプリケーション装置３へ送信する（ステップＳ５１１）。
【０１４３】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【０１４４】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１４５】
また、この実施の形態によれば、モデル決定手段２２５が、寄与度の算出に用いる事象モデルの更新を行い、事象モデルを実際の事象に応じたモデルに修正している。そのため、実際に発生した事象が従う事象モデルの変化・変遷に追従することが可能となり、より精度の高い（より効果のある）寄与度の算出が可能になる。
【０１４６】
また、事象モデルの決定と事象モデルの更新とが反復されるので、事象モデルが未知の場合でも、最初に初期事象モデルを設定すれば、真の事象モデルに近づけることができる。そのため、事象モデルが未知の場合でも、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【０１４７】
実施の形態６．
次に、本発明の第６の実施の形態について、図面を参照して説明する。図１０は、本発明の第６の実施の形態の一構成例を示すブロック図である。
【０１４８】
この実施の形態の構成は、図８に示した第５の実施の形態の構成に対して、サーバ２が、推定手段２２３と第２のモデル更新手段（モデル設定手段）２２６とを有する点が異なる。その他の構成は、第５の実施の形態の構成と同様なため、図８と同じ符号を付し、説明を省略する。
【０１４９】
推定手段２２３の動作は、図３で示した第３の実施の形態における動作と同様であるので説明を省略する。
【０１５０】
第２のモデル更新手段２２６は、更新事象モデル情報にもとづいて、推定手段２２３に設定されている事象モデルを更新する。
【０１５１】
次に、本発明の第６の実施の形態の動作について、図面を参照して説明する。図１１は、本発明の第６の実施の形態の動作を説明するシーケンス図である。
【０１５２】
サーバ２の第２の通信手段２２１は、センサノード１からセンサ情報を受信する（ステップＳ６０１）。データ収集手段２２２は、第２の通信手段２２１が各センサノード１から受信したセンサ情報をセンサ情報分布として保持する（ステップＳ６０２）。
【０１５３】
モデル決定手段２２５は、センサ情報分布にもとづいて事象モデルの決定を行う（ステップＳ６０３）。第４の通信手段２２７は、事象モデルが更新されると、更新事象モデル情報をセンサノード１に送信する（ステップＳ６０４）。
【０１５４】
センサノード１のセンサ１１は、発生した事象を検出し、検出した事象を示すセンサ情報を生成する。センサ入力手段１２４は、センサ１１からセンサ情報を取得し（ステップＳ６０５）、寄与度算出手段１２３に入力する。
【０１５５】
第５の通信手段１２７が更新事象モデル情報をサーバ２から受信すると（ステップＳ６０６）、モデル更新手段１２６は、寄与度算出手段１２３に設定されている事象モデルの更新を行う（ステップＳ６０７）。
【０１５６】
寄与度算出手段１２３は、設定されている事象モデルにもとづいて、入力されたセンサ情報が示す事象が起こりうる確率や予測・推定できる度合いに応じて、センサ情報の分布に対するセンサ情報の寄与度を算出する（ステップＳ６０８）。
【０１５７】
通信制御手段１２２は、寄与度算出手段１２３が算出した寄与度と通信制御条件とにもとづいて、寄与度の大きいセンサ情報を優先的に送信するのに最適な通信制御手法を決定する（ステップＳ６０９）。
【０１５８】
第１の通信手段１２１は、通信制御手段１２２が決定した通信制御手法に従って、センサ情報をサーバ２へ送信する（ステップＳ６１０）。
【０１５９】
また、サーバ２の推定手段２２３は、ステップＳ６０２で保持されたセンサ情報分布と、過去のセンサ情報等から、事象モデルにもとづいて、欠損したセンサ情報を予測・推定・補完し、最新のセンサ情報分布の修復を行う（ステップＳ６１１）。
【０１６０】
第３の通信手段２２４は、修復したセンサ情報分布をアプリケーション装置３へ送信する（ステップＳ６１２）。
【０１６１】
アプリケーション装置３の通信手段３２１は、サーバ２からセンサ情報分布を受信する。アプリケーション部３２８は、センサ情報分布を利用するアプリケーションソフトウェアを実行し、通信手段３２１が受信したセンサ情報分布の処理を行う。
【０１６２】
以上に述べたように、この実施の形態によれば、第１の実施の形態と同様に、センサ情報分布において高い精度および分解能が求められる領域で欠損データを少なくすることができる。そのため、欠損データがあった場合であっても、推定手段２２３が、欠損データを予測・推定・補完して、センサ情報分布の修復が成功する可能性を向上させることができる。
【０１６３】
また、この実施の形態では、推定手段２２３が欠損データを予測・推定・補完してセンサ情報分布の修復を行う。そのため、この実施の形態のセンサネットワークシステムは、センサ情報未到着による欠損（低精度・低分解能）のないセンサ情報分布を提供することが可能である。すなわち、センサネットワークシステムの最大精度（分解能）で表現されたセンサ情報分布を提供することが可能である。
【０１６４】
さらに、この実施の形態では、モデル決定手段２２５が、寄与度の算出およびセンサ情報分布の修復に用いる事象モデルを更新し、事象モデルを実際の発生した事象に応じたモデルに修正している。
【０１６５】
従って、実際に発生した事象に追従して、事象モデルを変化させることが可能になり、より精度の高い（より効果のある）寄与度の算出およびセンサ情報分布の提供が可能となる。
【０１６６】
また、事象モデルの決定と事象モデルの更新とが反復されるので、事象モデルが未知の場合でも、最初に初期事象モデルを設定すれば、真の事象モデルに近づけることができる。そのため、事象モデルが未知の場合でも、応答集中問題の発生を回避し、センサ情報分布を高精度（高分解能）化することができる。
【実施例１】
【０１６７】
次に、具体的な実施例を用いて本発明を実施するための動作を説明する。なお、第１の実施例は、本発明の第１の実施の形態に対応している。
【０１６８】
図１２は、第１の実施例の一構成例を示す説明図である。本発明の第１の実施例では、センサネットワークシステムが、温度センサを備えたセンサノード１、サーバ２、およびアプリケーション装置３によって構成されている。また、各装置は、図２のブロック図に示した構成とそれぞれ同様の構成であるものとする。
【０１６９】
すべてのセンサノード１の通信ノード１１、サーバ２、およびアプリケーション装置３は、それぞれソフトウェアを搭載しているパーソナルコンピュータ（以下、ＰＣという）によって実現される。
【０１７０】
なお、センサノード１の通信ノード１１は、空間的に隣接する他のセンサノードが送信したセンサ情報を受信している。
【０１７１】
第１の実施例では、Ｎ個のセンサノード１が、観測対象の部屋の温度分布を測定するために、観測対象の部屋の天井に線上に設置されている。すなわち、各センサノード１は１次元上に等間隔に設置されており、それぞれ固有のセンサノード番号ｉ（ｉ＝１〜Ｎ）が設定されているものとする。なお、このようなセンサ配置やセンサノード番号は説明のために設けられているものであり、センサノードをそれぞれ別個に識別可能であり、かつ、他のセンサノードとの関係を容易に求められるものであれば他の仕組みを用いてもよい。
【０１７２】
サーバ２は、センサノード１からセンサ情報を受信して、アプリケーション装置３に適した形式でセンサ情報分布をアプリケーション装置３に送信する。アプリケーション装置３は、受信したセンサ情報分布にもとづいて、観測対象の部屋の温度分布情報を表示する「温度分布表示サービス」をユーザに提供する。
【０１７３】
センサノード１、サーバ２、およびアプリケーション装置３はそれぞれＩＥＥＥ８０２．１１ｂ規格の通信ネットワーク４で接続されており、相互にインターネットプロトコル（ＩＰ）を用いて通信可能であり、各装置には通信に必要なアドレスが割り当てられている。なお、通信に無線通信ネットワークやＩＰを用いることは本発明の適用範囲を限定するものではなく、他の通信ネットワークやＩＰ以外の方式を用いて装置間の通信を実現してもよい。
【０１７４】
なお、以下の説明ではセンサ情報は温度Ｔ［ケルビン（Ｋ）］（Ｔ≧０）を示すものとする。これは説明のために設定するものであり、他の単位や異なる種類のセンサにも本発明が適用可能なことは言うまでもない。
【０１７５】
また、第１の実施例におけるセンサネットワークシステムが仮定する事象モデルとして、センサ情報が示す値は、隣接する他のセンサノードが送信したセンサ情報が示す値の中間値（平均値）である確率が高いものとする。なお、以下、センサ情報が示す値を、センサデータという。
【０１７６】
サーバ２の第２の通信手段２２１は、各センサノード１からセンサデータｓｉ（０≦ｉ≦Ｎ，ｓｉ≧０）を示すセンサ情報を受信する。
【０１７７】
データ収集手段２２２は、センサデータｓｉを集合としてメモリ（図示せず）に保存する。これをセンサ情報分布｛ｓｉ｜０≦ｉ≦Ｎ｝とする。ただし、未受信の欠損センサデータはｓｉ＝０とする。
【０１７８】
センサノード１のセンサ１１は、温度を測定してセンサデータとして温度Ｔ［ケルビン（Ｋ）］（Ｔ≧０）を示すセンサ情報を出力する。
【０１７９】
センサ入力手段１２４は、周期的に時間τｐの間隔でセンサデータｓｉ＝Ｔを取得する。このτｐは、このシステムの基本的なクロックの１つに相当し、以下、プローブ時間という。ここでは、τｐ＝０．１［秒］とする。
【０１８０】
寄与度算出手段１２３は、一のセンサデータｓｉと、一のセンサデータｓｉに隣接するセンサデータｓｉ−１およびｓｉ＋１（センサノード１に隣接する他のセンサノードが送信したセンサ情報が示すセンサデータ）を用いて、寄与度を算出する。
【０１８１】
まず、事象モデルから、隣接するセンサデータｓｉ−１およびｓｉ＋１が存在した時に予想されるセンサデータｓ’ｉは、ｓｉ−１とｓｉ＋１の中間値（平均値）：
ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２である。
【０１８２】
この値（ｓ’ｉ：予想値）と実測値との差の絶対値ε＝｜ｓｉ−ｓ’ｉ｜とする（ε≧０）。
【０１８３】
センサデータは隣接するセンサデータの中間値（平均値）をとる確率が高いとする事象モデルより、実測値は予想値に近い確率が高いと考えられる。すなわち、予想値と実測値との差εが小さいセンサデータを示す事象が発生する確率は高く、逆にεが大きいセンサデータを示す事象が発生する確率は低い。
【０１８４】
このような差εを持つセンサデータの発生確率ｐ（ε）を、
ｐ（ε）＝１／（ｅｘｐ（β（ε−μ））＋１）とする（０≦ｐ≦１）。
【０１８５】
ここで、μ（μ≧０）はセンサデータの予想値からのずれの大きさを特徴付けるパラメータであり、β（β≧０）は、ずれの揺らぎを特徴付けるパラメータである。
【０１８６】
ここで、ｐ（ε）＝１／（ｅｘｐ（β（ε−μ））＋１）はフェルミ分布関数と呼ばれ、β→∞の極限においてε＜μではｐ（ε）＝１、ε＞μではｐ（ε）＝０となって階段状になり、βが有限値の場合、上記の階段状の形状が、ε＝μの両側にほぼ１／βの幅をもって崩れた形状になることが知られている。
【０１８７】
なお、μおよびβは、センサ１１の仕様や観測対象の事象にもとづき調整して決定されるが、ここでは予想値と実測値との差εは０＜ε＜１[Ｋ]の領域に主に分布するとし、μ＝１とし、領域のエッジ部分では０．３[Ｋ]程度の広がり（ゆらぎ）を持つとして、β＝３（≒１／０．３）とする。
【０１８８】
次に、実測値と予想値との差εを持つセンサデータｓｉの寄与度Ｉを、Ｉ（ε）＝ｌｎ（１／ｐ）とする（０≦Ｉ≦∞）。
【０１８９】
図１３は、μ＝１、β＝３とした時の、差の絶対値ε、発生確率ｐ、寄与度Ｉ、および送信確率ｑの関係を示したグラフである。
【０１９０】
このように寄与度を定義することにより、容易にセンサデータを予測・推定することができる。すなわち、発生する確率が高いセンサデータに対しては寄与度が小さくなる。一方、発生する確率が低いセンサデータは、予測・推定が困難であり、寄与度が大きな値をもつように構成される。
【０１９１】
通信制御手段１２２は、通信制御手法として、プローブ時間τｐごとに確率ｑで送信可否を判断する確率的送信手法を採用する。
【０１９２】
また、この送信確率ｑを決定する通信制御条件（アルゴリズム）として、ｑ＝１−ｅｘｐ（−Ｉ）＝１−ｐとする。
【０１９３】
従って、通信制御手段１２２は、プローブ時間τｐ毎に乱数Ｒ（Ｒは実数、０≦Ｒ＜１）を発生し、乱数Ｒがｑよりも小さければ（Ｒ＜ｑ）、センサ情報を送信するように第１の通信手段１２１に指示し、乱数Ｒがｑよりも大きければ（Ｒ≧ｑ）、センサ情報を送信しないように第１の通信手段１２１に指示する。
【０１９４】
第１の通信手段１２１は、通信ネットワーク４を介してサーバ２へセンサデータｓｉを示すセンサ情報を送信する。また、第１の通信手段１２１は、通信ネットワーク４を流れるセンサ情報を傍受し、センサ番号ｉに隣接するセンサデータｓｉ−１およびｓｉ＋１を収集する。
【０１９５】
次に、第１の実施例における具体的な動作例を説明する。
【０１９６】
動作例１．
あるｉ番目のセンサノード１に隣接するセンサノードが検出したセンサデータｓｉ−１＝ｓｉ＋１＝２５．００＋２７３．１６［Ｋ］であり、センサデータの発生確率ｐ＝０．９５であり、寄与度Ｉ＝０．０４９であるものとする。
【０１９７】
そして、プローブ時間τｐの待ち受け（スリープ）後、センサデータとしてｓｉ＝２５．１０＋２７３．１６［Ｋ］を取得したとすると、予想値ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２＝２５．００＋２７３．１６［Ｋ］になり、予想値と実測値の差ε＝０．１０になり、寄与度Ｉ＝０．０６５になり、送信確率ｑ＝０．０６３になる。この場合の平均送信間隔τｐ／ｑ＝１５．９［秒］である。
【０１９８】
動作例２．
動作例１に引き続き、ｉ−１番目、ｉ番目、およびｉ＋１番目のセンサノード１が存在する領域を含む広がりを持った領域で温度が上昇した場合であって、ｉ−１番目とｉ＋１番目とのセンサノードが、センサ情報を送信していない場合について考える。
【０１９９】
ｉ番目のセンサノードがセンサデータとしてｓｉ＝２６．７０＋２７３．１６［Ｋ］を取得したとすると、予想値ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２＝２５．００＋２７３．１６［Ｋ］になり、予想値と実測値の差ε＝１．７０になり寄与度Ｉ＝２．２２になり送信確率ｑ＝０．８９になる。この場合の平均送信間隔τｐ／ｑ＝１．１［秒］である。
【０２００】
動作例３．
動作例２に引き続き、ｉ−１番目およびｉ＋１番目のセンサノード１がセンサ情報を送信した場合について考える。
【０２０１】
ｉ−１番目およびｉ＋１番目のセンサデータを、それぞれ、ｓｉ−１＝２６．５０＋２７３．１６［Ｋ］、ｓｉ＋１＝２６．６０＋２７３．１６［Ｋ］とし、ｉ番目のセンサノードがセンサデータとしてｓｉ＝２６．７５＋２７３．１６［Ｋ］を取得したとすると、予想値ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２＝２６．５５＋２７３．１６［Ｋ］になり、予想値と実測値の差ε＝０．２０になり、寄与度Ｉ＝０．１３になり、送信確率ｑ＝０．０８７になる。この場合の平均送信間隔τｐ／ｑ＝１２．０［秒］である。
【０２０２】
上述した動作例１と動作例２とから、温度の変化がほとんどない定常状態時には寄与度は低く送信確率も低い（Ｉ＝０．０６５，ｑ＝０．０６３）が、ある領域の温度が上昇すると、寄与度も送信確率も上昇する（Ｉ＝２．２２，ｑ＝０．８９）ことがわかる。
【０２０３】
また、動作例３から、サーバ２においてセンサデータの収集が進んでいくと、寄与度も送信確率も低くなっていく（Ｉ＝０．０８７，ｑ＝０．０８３）ことがわかる。
【０２０４】
以上に述べたように、この実施例によれば、ある領域において温度が上昇し、空間的に精度が必要な場合には、寄与度に応じた処理により、空間的精度を向上させることができる。そして、サーバ２は、高い空間的精度のセンサ情報分布を提供することができる。
【０２０５】
また、寄与度に従って送信確率を決定しているため、寄与度が高いセンサ情報の送信を優先しつつ、センサ情報の一斉送信を確率的に分散させて応答集中問題の発生を回避することができる。
【０２０６】
なお、この実施例では、センサデータは隣接するセンサデータの中間値（平均値）をとる確率が高いという事象モデルを用いたが、本発明の適用範囲は本事象モデルに限定されるものではない。例えば、中間値などの線形関係だけではなく、２次以上の高次の相関性を用いることも可能である。また、あるセンサノードが、他のセンサノードのセンサデータから自己のセンサデータの寄与度を算出可能な方式であれば、他の方式を用いてもよい。
【実施例２】
【０２０７】
次に、本発明の第２の実施例について説明する。なお、第２の実施例は、本発明の第３の実施の形態に対応している。
【０２０８】
第２の実施例のセンサネットワークシステムにおけるセンサノードの配置（図１２）および目的等は、第１の実施例と同様とする。また、各装置は、図５のブロック図に示した構成と同様の構成であるものとする。
【０２０９】
サーバ２の推定手段２２３以外の動作は、第１の実施例と同様であるので説明を省略する。
【０２１０】
推定手段２２３は、欠損しているセンサデータ（以下、単に欠損データという）の推定方法として線形補完を採用する。すなわち、欠損データｓｉの推定値ｓ’ｉは、欠損データｓｉに空間的に隣接するセンサデータｓｉ−１およびｓｉ＋１を用いて、ｓ’ｉ＝（ｓｉ−１＋ｓｉ＋１）／２で求められる。そして、センサ情報分布｛ｓｉ｜０≦ｉ≦Ｎ｝の欠損データを推定値ｓ’ｉに置き換える。
【０２１１】
次に、第２の実施例における具体的な動作例について、図面を参照して説明する。図１４は、動作例１〜動作例３でのセンサ情報分布例を示す説明図である。
【０２１２】
図１４において、×は欠損データを示し、括弧内は推定手段２２３が行った推定結果を示している。動作例１では、欠損データは多いが、欠損していないセンサデータの値の変動がない。動作例２では、欠損データは少ないが、欠損していないデータの値の変動が大きい。動作例３では、欠損データが多いが、欠損していないデータの値の変動が小さい。
【０２１３】
動作例１および動作例３では、送信確率が低く、欠損センサデータが多くなるが、この状態は寄与度が低く、温度変化がほとんどない定常状態であるので、精度（分解能）はそれほど必要ではなく、欠損データの推定が容易である。
【０２１４】
動作例２では、ある領域において温度が上昇し温度分布の変動が大きくなり、精度（分解能）が必要となっている状態である。このような状態では、寄与度が高くなり、送信確率が高くなることで、センサデータの空間的密度を上げている。従って、欠損データが存在してもわずかであり、推定手段２２３の推定による欠損データの修復の可能性が高い。
【０２１５】
以上に述べたように、この実施例によれば、欠損していないセンサ情報が示す値の変動に応じてセンサデータの空間的密度を変動させ、欠損データを推定することができる。
【０２１６】
なお、寄与度算出手段１２３は、メモリ（図示せず）に、入力されたセンサ情報が示すセンサデータを記憶させてもよい。また、寄与度算出手段１２３には、過去に入力されたセンサ情報および寄与度を算出すべきセンサ情報の次に入力されたセンサ情報がそれぞれ示すセンサデータにもとづいて寄与度を算出する事象モデルが設定されていてもよい。すなわち、寄与度算出手段１２３は、寄与度を算出すべきセンサ情報に時間的に隣接するセンサ情報にもとづいて、寄与度を算出してもよい。
【０２１７】
そして、データ収集手段２２２は、一のセンサノードが送信したセンサ情報にもとづいて、センサ情報分布を生成してもよい。また、推定手段２２３は、時間的に隣接するセンサ情報にもとづいて、欠損データを推定してもよい。
【０２１８】
そのように構成すれば、寄与度算出手段１２３は、時間的に隣接しているセンサ情報にもとづいて、センサ情報の寄与度を算出する。また、データ収集手段２２２は、一のセンサノードが送信したセンサ情報にもとづいて、時間的なセンサ情報の分布としてのセンサ情報分布を生成する。そのため、サーバ２は、アプリケーション装置３に、センサ情報の時間的な分布としてのセンサ情報分布を提供することができる。すなわち、サーバ２は、アプリケーション装置３に、時間的な精度の高いセンサ情報分布を提供することができる。
【実施例３】
【０２１９】
次に、本発明の第３の実施例について説明する。なお、第３の実施例は、本発明の第５の実施の形態に対応している。
【０２２０】
図１５は、第３の実施例の一構成例を示す説明図である。センサネットワークシステムは、運動している物体の存在を検知するための動物体センサを備えたセンサノード１、サーバ２、アプリケーション装置３によって構成されている。また、各装置は、図８のブロック図に示した構成と同様の構成であるものとする。
【０２２１】
そして、すべてのセンサノード１の通信ノード１１、サーバ２、およびアプリケーション装置３は、それぞれソフトウェアを搭載したＰＣによって実現されている。
【０２２２】
第３の実施例では、Ｍ×Ｎ個のセンサノード１が、観測対象の部屋内の動物体の分布を測定するために、観測対象の部屋の天井に、２次元正方格子状（Ｍ個×Ｎ個）で設置されている。すなわち、各センサノード１は２次元上に等間隔に設置されており、それぞれ固有のセンサノード番号（ｘ，ｙ）（ここでｘ＝１〜Ｍ，ｙ＝１〜Ｎ）が設定されているものとする。
【０２２３】
なお、このようなセンサ配置や、センサノード番号は説明のために設けられているものであり、センサノード１をそれぞれ別個に識別可能であり、他のセンサノードとの関係を容易に求められるものであれば他の仕組みを用いてもよい。
【０２２４】
サーバ２は、センサノード１からセンサ情報を受信して、アプリケーション装置３に適した形式でセンサ情報分布をアプリケーション装置３に送信する。アプリケーション装置３は、受信したセンサ情報分布にもとづいて、観測対象の部屋内の動物体分布情報を表示する「動物体分布表示サービス」をユーザに提供する。
【０２２５】
センサノード１、サーバ２、およびアプリケーション装置３は、互いに第１の実施例と同様に接続されている。
【０２２６】
なお、以下の説明ではセンサデータはブーリアン値σ（σ＝１：検出時、σ＝−１：非検出時）とする。これは説明のために設定するものであり、他の単位や異なる種類のセンサにも本発明が適用可能なことは言うまでもない。
【０２２７】
本システムが仮定する事象モデルとして、２値のセンサデータの値を確率変数として、その確率変数は隣接するセンサノードが検出したセンサデータの値と同値をとる確率が高いとするマルコフ確率場に従うとする。
【０２２８】
マルコフ確率場は、画像修復技術等では一般的に用いられる確率モデルであり、非特許文献２に記載されている。なお、ここではマルコフ確率場モデルおよびベイズ推定等の説明は省略する。
【０２２９】
真のセンサデータ（確率変数）、すなわち事象そのものの確率変数をｆｘ，ｙとすると、確率場ｆ＝｛ｆｘ，ｙ｜ｘ＝１，２，・・・，Ｍ，ｙ＝１，２，・・・，Ｎ｝の確率分布Ｐ（ｆ）は、以下のように求められる。
【０２３０】
Ｐ（ｆ）＝（ｅｘｐ（−（１／２）αΣｘ＝１ＭΣｙ＝１Ｎ（（ｆｘ，ｙ−ｆｘ＋１，ｙ）２＋（ｆｘ，ｙ−ｆｘ，ｙ＋１）２）））／（Σｆｅｘｐ（−（１／２）αΣｘ＝１ＭΣｙ＝１Ｎ（（ｆｘ，ｙ−ｆｘ＋１，ｙ）２＋（ｆｘ，ｙ−ｆｘ，ｙ＋１）２）））
【０２３１】
ここで、Σｆは以下のようになる。
【０２３２】
Σｆ＝Σｆ１，１＝±１Σｆ１，２＝±１・・・ΣｆＭ，Ｎ＝±１
【０２３３】
また、α（α＞０）は確率分布を特徴付けるパラメータ（ハイパパラメータ）である。
【０２３４】
サーバ２の第１の通信手段２２１は、各センサノード１からセンサデータｇｘ，ｙ（ｇｘ，ｙ＝±１）を受信する。
【０２３５】
データ収集手段２２２は、センサデータｇｘ，ｙからセンサ情報分布
ｇ＝｛ｇｘ，ｙ｜ｘ＝１，２，・・・，Ｍ， ｙ＝１，２，・・・，Ｎ｝
を収集する。センサ情報分布ｇには、センサノード１の動作不良等や、センサデータの有効期限満了に伴う欠損データが含まれている可能性がある。また、通信ネットワーク４の通信経路で劣化したデータである劣化データが含まれている可能性がある。
【０２３６】
モデル決定手段２２５は、欠損データを含むセンサ情報分布ｇにもとづいて、事象モデルの決定を行う。なお、事象モデルの決定とは、真のセンサデータの確率分布Ｐ（ｆ）を求めることであり、ここではハイパパラメータαを決定することである。
【０２３７】
事象モデルを特徴づけるハイパパラメータαを求める場合や、欠損データを含むセンサ情報分布から事象モデルを推定（この場合はハイパパラメータαの推定）する場合に、ＥＭアルゴリズムを用いることが有効であることが知られている。ここではＥＭアルゴリズムを用いてセンサ情報分布ｇからハイパパラメータαを求める。
【０２３８】
第４の通信手段２２７は、モデル決定手段２２５が求めたハイパパラメータαをセンサノード１に送信する。
【０２３９】
センサノード１のセンサ１１は動物体を検出し、センサ情報としてブーリアン値σ（σ＝１：検出時，σ＝−１：非検出時）をセンサ入力手段１２４に出力する。センサ入力手段１２４は、実施例１と同様の動作を行う。
【０２４０】
モデル更新手段１２６は、第５の通信手段１２７がサーバ２から受信したハイパパラメータαを、寄与度算出手段１２３に設定されている事象モデルに適用する。
【０２４１】
寄与度算出手段１２３は、一のセンサデータｆｘ，ｙと、隣接するセンサデータｆｘ−１，ｙ、ｆｘ＋１，ｙ、ｆｘ，ｙ−１、およびｆｘ，ｙ＋１を用いて寄与度を算出する。
【０２４２】
まず、寄与度算出手段１２３が算出する、ｆｘ，ｙの値（±１）に対する確率ｐ（ｆｘ，ｙ）は、マルコフ確率場より、以下のようになる。
【０２４３】
ｐ（ｆｘ，ｙ）
＝Ｐ（ｆｘ，ｙ｜｛ｆｕ，ｖ｜ｕ＝１，２，・・・，Ｍ，ｖ＝１，２，・・・，Ｎ，但し（ｕ，ｖ）＝（ｘ，ｙ）を除く｝）
＝ｅｘｐ（α（ｆｘ−１，ｙ＋ｆｘ＋１，ｙ＋ｆｘ，ｙ−１＋ｆｘ，ｙ＋１）ｆｘ，ｙ）／Σｆｘ，ｙ
＝±１ｅｘｐ（α（ｆｘ−１，ｙ＋ｆｘ＋１，ｙ＋ｆｘ，ｙ−１＋ｆｘ，ｙ＋１）ｆｘ，ｙ）
【０２４４】
ここで、ｆｘ−１，ｙ、ｆｘ＋１，ｙ、ｆｘ，ｙ−１、およびｆｘ，ｙ＋１は、真のセンサデータであるが、ここでは最新の隣接するセンサデータを適用する。つまり、隣接するセンサデータは、現時点での真のセンサデータを表しているのではないが、真のセンサデータとして扱うこととする。
【０２４５】
寄与度は第１の実施例と同様に、Ｉ（ｆｘ，ｙ）＝ｌｎ（１／ｐ）とする（０≦Ｉ≦∞）。また、通信制御手段１２２および第１の通信手段１２１は、第１の実施例１と同様の動作を行うとし、通信制御手法および通信制御条件も同様とする。
【実施例４】
【０２４６】
次に、本発明の第４の実施例について説明する。なお、第４の実施例は、本発明の第６の実施の形態に対応している。
【０２４７】
第４の実施例のセンサネットワークシステムにおけるセンサノードの配置（図１２）および目的等は、第２の実施例と同様とする。また、各装置は、図１０のブロック図に示した構成と同様の構成であるものとする。
【０２４８】
サーバ２の推定手段２２３とモデル更新手段２２６以外の手段の動作は、第３の実施例と同様であるので説明を省略する。
【０２４９】
モデル更新手段２２６は、モデル決定手段２２５が求めたハイパパラメータαを、推定手段２２３が用いる事象モデルに適用する。
【０２５０】
推定手段２２３は、センサ情報分布ｇから真のセンサデータｆの推定を行う。このような推定の方法として、以下に示すベイズの公式によるベイズ推定が一般的に用いられる。
【０２５１】
Ｐ（ｆ｜ｇ）＝（Ｐ（ｇ｜ｆ）・Ｐ（ｆ））／（ΣｆＰ（ｇ｜ｆ）・Ｐ（ｆ））
【０２５２】
すなわち、事後確率分布Ｐ（ｆ｜ｇ）から、以下に示す真のセンサデータの期待値を求める。
【０２５３】
ｍｘ，ｙ＝Σｆｆｘ，ｙＰ（ｆ｜ｇ）
【０２５４】
ここでは、劣化過程Ｐ（ｇ｜ｆ）として、２元対象通信路（ＢＳＣ：Ｂｉｎａｒｙ Ｓｙｍｍｅｔｒｉｃ Ｃｈａｎｎｅｌ）であるものとすると、劣化過程Ｐ（ｇ｜ｆ）は以下の式で求められる。
【０２５５】
Ｐ（ｇ｜ｆ）＝（ｅｘｐ（−（１／２）βΣｘ＝１ＭΣｙ＝１Ｎ（ｆｘ，ｙ−ｇｘ，ｙ）２））／（１＋ｅｘｐ（−２β））ＭＮ）
【０２５６】
ここで、βは劣化過程を特徴付けるパラメータであり、モデル決定手段２２５が、事象モデルの決定時にハイパパラメータαと同様に推定する。また、第４の実施例では、平均場近似を用いて、真のセンサデータの期待値ｍｘ，ｙを決定する。そして、センサ情報分布ｇを推定結果ｍｘ，ｙに置き換えて、第３の通信手段２２４を通じてアプリケーション装置３に送信する。
【０２５７】
以上の各実施の形態および各実施例の説明で述べたように、本発明によれば、センサノードが、空間的または時間的に寄与度の高いセンサ情報を優先的にサーバ装置等に送信するため、通信ネットワーク４の輻輳を抑制し、精度（時間分解能および空間分解能）が高い情報（センサ情報分布）をユーザに提供することができる。
【産業上の利用可能性】
【０２５８】
本発明は、事象を観測し、観測した情報を送信するセンサネットワークシステムに適用することができる。
【図面の簡単な説明】
【０２５９】
【図１】本発明によるセンサネットワークシステムの実施の形態の一構成例を示す説明図である。
【図２】本発明によるセンサネットワークシステムの第１の実施の形態の一構成例を示すブロック図である。
【図３】本発明の第１の実施の形態の動作を説明するシーケンス図である。
【図４】第２の実施の形態の一構成例を示すブロック図である。
【図５】第３の実施の形態の一構成例を示すブロック図である。
【図６】第３の実施の形態の動作を説明するシーケンス図である。
【図７】第４の実施の形態の一構成例を示すブロック図である。
【図８】第５の実施の形態の一構成例を示すブロック図である。
【図９】第５の実施の形態の動作を説明するシーケンス図である。
【図１０】第６の実施の形態の一構成例を示すブロック図である。
【図１１】第６の実施の形態の動作を説明するシーケンス図である。
【図１２】第１の実施例の一構成例を示す説明図である。
【図１３】μ＝１、β＝３とした時の、差の絶対値ε、発生確率ｐ、寄与度Ｉ、および送信確率ｑの関係を示したグラフである。
【図１４】動作例１〜動作例３でのセンサ情報分布例を示す説明図である。
【図１５】第３の実施例の一構成例を示す説明図である。
【符号の説明】
【０２６０】
１ センサノード
２ サーバ
３ アプリケーション装置
４ 通信ネットワーク
１１ センサ
１２ 通信ノード
１２１ 第１の通信手段
１２２ 通信制御手段
１２３ 寄与度算出手段
１２４ センサ入力手段
１２６ モデル更新手段
１２７ 第５の通信手段
２２１ 第２の通信手段
２２２ データ収集手段
２２３ 推定手段
２２４ 第３の通信手段
２２５ モデル決定手段
２２６ 第２のモデル更新手段
２２７ 第４の通信手段
３２１ 通信手段
３２８ アプリケーション部
【特許請求の範囲】
【請求項１】
発生した事象を検出するセンサを含む複数のセンサノードと、前記センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムにおいて、
前記センサノードは、前記センサが検出した事象が、前記事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する通信手段を含み、
前記アプリケーション装置は、センサ情報分布を用いてセンサ情報を処理する
ことを特徴とするセンサネットワークシステム。
【請求項２】
センサノードの通信手段は、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど優先的に送信する
請求項１記載のセンサネットワークシステム。
【請求項３】
センサノードは、センサが検出する事象をモデル化した事象モデルが設定され、前記事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を含み、
通信手段は、前記寄与度算出手段が算出した寄与度に応じたタイミングで、センサ情報を送信する
請求項１または請求項２記載のセンサネットワークシステム。
【請求項４】
センサノードの寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項３記載のセンサネットワークシステム。
【請求項５】
センサノードの寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項３記載のセンサネットワークシステム。
【請求項６】
センサノードは、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を含む
請求項３から請求項５のうちいずれか１項記載のセンサネットワークシステム。
【請求項７】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、
前記サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含む
請求項１から請求項６のうちいずれか１項記載のセンサネットワークシステム。
【請求項８】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含む
請求項７記載のセンサネットワークシステム。
【請求項９】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、
前記サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、
センサノードのモデル更新手段が更新する事象モデルを、前記センサ情報分布にもとづいて決定するモデル決定手段とを含み、
前記センサノードの前記モデル更新手段は、寄与度算出手段に設定されている事象モデルを、前記モデル決定手段が決定した事象モデルに変更する
請求項６記載のセンサネットワークシステム。
【請求項１０】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含み、
モデル決定手段は、前記推定手段に設定する事象モデルを、前記センサ情報分布にもとづいて決定し、
前記サーバは、前記モデル決定手段が決定した事象モデルを、前記推定手段に設定するモデル設定手段を含む
請求項９記載のセンサネットワークシステム。
【請求項１１】
サーバは、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信手段を含む
請求項７から請求項１０のうちいずれか１項記載のセンサネットワークシステム。
【請求項１２】
アプリケーション装置は、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含む
請求項１から請求項６のうちいずれか１項記載のセンサネットワークシステム。
【請求項１３】
アプリケーション装置は、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含む
請求項１２記載のセンサネットワークシステム。
【請求項１４】
発生した事象を検出するセンサを備えたセンサノードにおいて、
センサが検出した事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じて、前記センサが検出した事象を示すセンサ情報を送信する通信手段を備えた
ことを特徴とするセンサノード。
【請求項１５】
センサが検出する事象をモデル化した事象モデルが設定され、前記事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を備えた
請求項１４記載のセンサノード。
【請求項１６】
寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項１５記載のセンサノード。
【請求項１７】
寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項１５記載のセンサノード。
【請求項１８】
寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を備えた
請求項１５から請求項１７のうちいずれか１項記載のセンサノード。
【請求項１９】
発生した事象を検出するセンサを備えた複数のセンサノードに接続され、前記センサが検出した事象を示すセンサ情報を受信するセンサ情報収集装置において、
受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集手段を備えた
ことを特徴とするセンサ情報収集装置。
【請求項２０】
他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている、センサが検出する事象をモデル化した事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を備えた
請求項１９記載のセンサ情報収集装置。
【請求項２１】
センサノードに設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段を備えた
請求項１９または請求項２０記載のセンサ情報収集装置。
【請求項２２】
推定手段に設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段と、
前記モデル決定手段が決定した事象モデルを、前記推定手段に設定するモデル設定手段とを備えた
請求項２０記載のセンサ情報収集装置。
【請求項２３】
発生した事象を検出するセンサを含む複数のセンサノードと、前記センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムを用いた事象観測方法において、
前記センサが事象を検出する事象検出ステップと、
前記センサノードの通信手段が、前記事象検出ステップで前記センサによって検出された事象が、前記事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する情報送信ステップと、
前記アプリケーション装置が、センサ情報分布を用いてセンサ情報を処理するセンサ情報処理ステップとを備えた
ことを特徴とする事象観測方法。
【請求項２４】
センサ情報送信ステップで、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど、センサノードの通信手段が優先的に送信する
請求項２３記載の事象観測方法。
【請求項２５】
センサが検出する事象をモデル化した事象モデルが設定されたセンサノードの寄与度算出手段が、前記事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出ステップを備えた
請求項２３または請求項２４記載の事象観測方法。
【請求項２６】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項２５記載の事象観測方法。
【請求項２７】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項２５記載の事象観測方法。
【請求項２８】
センサノードのモデル更新手段が、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新ステップを備えた
請求項２５から請求項２７のうちいずれか１項記載の事象観測方法。
【請求項２９】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えた
請求項２３から請求項２８のうちいずれか１項記載の事象観測方法。
【請求項３０】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えた
請求項２９記載の事象観測方法。
【請求項３１】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップと、
モデル決定手段が、センサノードのモデル更新手段が更新する事象モデルを、前記センサ情報分布にもとづいて決定するモデル決定ステップとを備え、
前記センサノードの前記モデル更新手段が、モデル更新ステップで、寄与度算出手段に設定されている事象モデルを、前記モデル決定手段が前記モデル決定ステップで決定した事象モデルに変更する
請求項２８記載の事象観測方法。
【請求項３２】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備え、
モデル決定手段が、モデル決定ステップで、前記推定手段に設定する事象モデルを、センサ情報分布にもとづいて決定し、
前記サーバのモデル設定手段が、前記モデル決定手段が決定した事象モデルを、前記推定手段に設定するモデル設定ステップを備えた
請求項３１記載の事象観測方法。
【請求項３３】
サーバのセンサ情報分布送信手段が、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信ステップを備えた
請求項２９から請求項３２のうちいずれか１項記載の事象観測方法。
【請求項３４】
アプリケーション装置のデータ収集手段が、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えた
請求項２３から請求項２８のうちいずれか１項記載の事象観測方法。
【請求項３５】
アプリケーション装置の推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えた
請求項３４記載の事象観測方法。
【請求項３６】
発生した事象を検出するセンサを備えたコンピュータに搭載されるセンサノードプログラムにおいて、
前記コンピュータに、
前記センサが検出した事象を示すセンサ情報であって、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響が大きいセンサ情報ほど、優先的に送信する処理を実行させる
ためのセンサノードプログラム。
【請求項３７】
発生した事象を検出するセンサを備えた複数のセンサノードに接続され、前記センサが検出した事象を示すセンサ情報を受信するコンピュータに搭載されるセンサ情報収集プログラムにおいて、
前記コンピュータに、
受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させる
ためのセンサ情報収集プログラム。
【請求項１】
発生した事象を検出するセンサを含む複数のセンサノードと、前記センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムにおいて、
前記センサノードは、前記センサが検出した事象が、前記事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する通信手段を含み、
前記アプリケーション装置は、センサ情報分布を用いてセンサ情報を処理する
ことを特徴とするセンサネットワークシステム。
【請求項２】
センサノードの通信手段は、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど優先的に送信する
請求項１記載のセンサネットワークシステム。
【請求項３】
センサノードは、センサが検出する事象をモデル化した事象モデルが設定され、前記事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を含み、
通信手段は、前記寄与度算出手段が算出した寄与度に応じたタイミングで、センサ情報を送信する
請求項１または請求項２記載のセンサネットワークシステム。
【請求項４】
センサノードの寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項３記載のセンサネットワークシステム。
【請求項５】
センサノードの寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項３記載のセンサネットワークシステム。
【請求項６】
センサノードは、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を含む
請求項３から請求項５のうちいずれか１項記載のセンサネットワークシステム。
【請求項７】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、
前記サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含む
請求項１から請求項６のうちいずれか１項記載のセンサネットワークシステム。
【請求項８】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含む
請求項７記載のセンサネットワークシステム。
【請求項９】
センサネットワークシステムは、センサノードからセンサ情報を受信するサーバを備え、
前記サーバは、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段と、
センサノードのモデル更新手段が更新する事象モデルを、前記センサ情報分布にもとづいて決定するモデル決定手段とを含み、
前記センサノードの前記モデル更新手段は、寄与度算出手段に設定されている事象モデルを、前記モデル決定手段が決定した事象モデルに変更する
請求項６記載のセンサネットワークシステム。
【請求項１０】
サーバは、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含み、
モデル決定手段は、前記推定手段に設定する事象モデルを、前記センサ情報分布にもとづいて決定し、
前記サーバは、前記モデル決定手段が決定した事象モデルを、前記推定手段に設定するモデル設定手段を含む
請求項９記載のセンサネットワークシステム。
【請求項１１】
サーバは、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信手段を含む
請求項７から請求項１０のうちいずれか１項記載のセンサネットワークシステム。
【請求項１２】
アプリケーション装置は、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集手段を含む
請求項１から請求項６のうちいずれか１項記載のセンサネットワークシステム。
【請求項１３】
アプリケーション装置は、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を含む
請求項１２記載のセンサネットワークシステム。
【請求項１４】
発生した事象を検出するセンサを備えたセンサノードにおいて、
センサが検出した事象が、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じて、前記センサが検出した事象を示すセンサ情報を送信する通信手段を備えた
ことを特徴とするセンサノード。
【請求項１５】
センサが検出する事象をモデル化した事象モデルが設定され、前記事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出手段を備えた
請求項１４記載のセンサノード。
【請求項１６】
寄与度算出手段は、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項１５記載のセンサノード。
【請求項１７】
寄与度算出手段は、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項１５記載のセンサノード。
【請求項１８】
寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新手段を備えた
請求項１５から請求項１７のうちいずれか１項記載のセンサノード。
【請求項１９】
発生した事象を検出するセンサを備えた複数のセンサノードに接続され、前記センサが検出した事象を示すセンサ情報を受信するセンサ情報収集装置において、
受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集手段を備えた
ことを特徴とするセンサ情報収集装置。
【請求項２０】
他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている、センサが検出する事象をモデル化した事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定手段を備えた
請求項１９記載のセンサ情報収集装置。
【請求項２１】
センサノードに設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段を備えた
請求項１９または請求項２０記載のセンサ情報収集装置。
【請求項２２】
推定手段に設定される、センサが検出する事象をモデル化した事象モデルを、センサ情報分布にもとづいて決定するモデル決定手段と、
前記モデル決定手段が決定した事象モデルを、前記推定手段に設定するモデル設定手段とを備えた
請求項２０記載のセンサ情報収集装置。
【請求項２３】
発生した事象を検出するセンサを含む複数のセンサノードと、前記センサが検出した事象を示すセンサ情報を処理するアプリケーション装置とを備えたセンサネットワークシステムを用いた事象観測方法において、
前記センサが事象を検出する事象検出ステップと、
前記センサノードの通信手段が、前記事象検出ステップで前記センサによって検出された事象が、前記事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響に応じたタイミングで、センサ情報を送信する情報送信ステップと、
前記アプリケーション装置が、センサ情報分布を用いてセンサ情報を処理するセンサ情報処理ステップとを備えた
ことを特徴とする事象観測方法。
【請求項２４】
センサ情報送信ステップで、センサが検出した事象がセンサ情報分布に与える影響が大きいセンサ情報ほど、センサノードの通信手段が優先的に送信する
請求項２３記載の事象観測方法。
【請求項２５】
センサが検出する事象をモデル化した事象モデルが設定されたセンサノードの寄与度算出手段が、前記事象モデルにもとづいて、センサ情報分布に与える影響の度合いである寄与度を算出する寄与度算出ステップを備えた
請求項２３または請求項２４記載の事象観測方法。
【請求項２６】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、過去に検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項２５記載の事象観測方法。
【請求項２７】
センサノードの寄与度算出手段が、寄与度算出ステップで、センサが現在検出した事象と、他のセンサノードのセンサが検出した事象と、事象モデルとにもとづいて寄与度を算出する
請求項２５記載の事象観測方法。
【請求項２８】
センサノードのモデル更新手段が、寄与度算出手段に設定されている事象モデルを変更して設定するモデル更新ステップを備えた
請求項２５から請求項２７のうちいずれか１項記載の事象観測方法。
【請求項２９】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えた
請求項２３から請求項２８のうちいずれか１項記載の事象観測方法。
【請求項３０】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えた
請求項２９記載の事象観測方法。
【請求項３１】
センサネットワークシステムのサーバのデータ収集手段が、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップと、
モデル決定手段が、センサノードのモデル更新手段が更新する事象モデルを、前記センサ情報分布にもとづいて決定するモデル決定ステップとを備え、
前記センサノードの前記モデル更新手段が、モデル更新ステップで、寄与度算出手段に設定されている事象モデルを、前記モデル決定手段が前記モデル決定ステップで決定した事象モデルに変更する
請求項２８記載の事象観測方法。
【請求項３２】
サーバの推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備え、
モデル決定手段が、モデル決定ステップで、前記推定手段に設定する事象モデルを、センサ情報分布にもとづいて決定し、
前記サーバのモデル設定手段が、前記モデル決定手段が決定した事象モデルを、前記推定手段に設定するモデル設定ステップを備えた
請求項３１記載の事象観測方法。
【請求項３３】
サーバのセンサ情報分布送信手段が、センサ情報分布をアプリケーション装置に送信するセンサ情報分布送信ステップを備えた
請求項２９から請求項３２のうちいずれか１項記載の事象観測方法。
【請求項３４】
アプリケーション装置のデータ収集手段が、センサノードからセンサ情報を受信し、受信したセンサ情報にもとづいてセンサ情報分布を生成するデータ収集ステップを備えた
請求項２３から請求項２８のうちいずれか１項記載の事象観測方法。
【請求項３５】
アプリケーション装置の推定手段が、他のセンサノードから受信したセンサ情報、または欠損しているセンサ情報に時間的または空間的に隣接しているセンサ情報と、設定されている事象モデルとにもとづいて、前記欠損しているセンサ情報を推定し、センサ情報分布を修復する推定ステップを備えた
請求項３４記載の事象観測方法。
【請求項３６】
発生した事象を検出するセンサを備えたコンピュータに搭載されるセンサノードプログラムにおいて、
前記コンピュータに、
前記センサが検出した事象を示すセンサ情報であって、事象の時間的な分布または空間的な分布を示すセンサ情報分布に与える影響が大きいセンサ情報ほど、優先的に送信する処理を実行させる
ためのセンサノードプログラム。
【請求項３７】
発生した事象を検出するセンサを備えた複数のセンサノードに接続され、前記センサが検出した事象を示すセンサ情報を受信するコンピュータに搭載されるセンサ情報収集プログラムにおいて、
前記コンピュータに、
受信したセンサ情報にもとづいて、事象の時間的な分布または空間的な分布を示すセンサ情報分布を生成するデータ収集処理を実行させる
ためのセンサ情報収集プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公開番号】特開２００７−８０１９０（Ｐ２００７−８０１９０Ａ）
【公開日】平成１９年３月２９日（２００７．３．２９）
【国際特許分類】
【出願番号】特願２００５−２７０４８３（Ｐ２００５−２７０４８３）
【出願日】平成１７年９月１６日（２００５．９．１６）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【出願人】（０００２３２２５４）日本電気通信システム株式会社 (586)
【Ｆターム（参考）】
【公開日】平成１９年３月２９日（２００７．３．２９）
【国際特許分類】
【出願日】平成１７年９月１６日（２００５．９．１６）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【出願人】（０００２３２２５４）日本電気通信システム株式会社 (586)
【Ｆターム（参考）】
[ Back to top ]